需要金币： 1000 个金币 |
资料包括：完整论文 |  |
 |
| 转换比率：金额 X 10=金币数量， 例100元=1000金币 | 论文字数：9361 |  | |
| 折扣与优惠：团购最低可5折优惠 - 了解详情 | 论文格式：Word格式(*.docx) |  |
摘 要
人脸识别技术作为目前生物识别技术的一种，更是重要组成部分，与其他传统技术相比，更安全、可靠、方便。近年来，人脸识别得到了广泛关注及应用，目前，已经在安防、军队、商业分析等场景得到了使用。同时，随着技术的发展，相信人脸识别会被应用在更多的场景，实现更大的价值。
本文主要是在对比分析了几大识别算法之后，选用了基于卷积神经网络的理论，使用深度学习框架——Keras，通过模型训练，达到对于人脸识别的目的。
关键词：人脸识别，卷积神经网络，模型训练
目 录
第一章 绪论
1.1 引言
1.2 选题背景
1.3 研究目的及意义
1.4 国内外发展现状
1.4.1 国内发展现状
1.4.2 国外发展现状
1.5 发展趋势
第二章 算法比较
2.1 传统的人脸识别算法
2.1.1 特征脸法（Eigenfaces）
2.1.2 Fisherfaces法
2.1.3 局部二值模式法（LBP）
2.2 深度学习的算法
2.2.1 递归神经网络（RNN）
2.2.2 卷积神经网络（CNN）
第三章 基于 python的CNN人脸识别算法实现
3.1 实验环境
3.2 基本思路
3.3 技术路线
3.3.1 人脸识别原理
3.3.2 卷积神经网络参数设置
3.3.3 深度学习框架——Keras
3.4 实现步骤
3.4.1 数据准备
3.4.2 数据读取
3.4.3 建立模型
3.4.4 数据训练
3.4.5 识别匹配
3.5 结果输出
3.5.1 输入数据
3.5.2 训练过程
3.5.3 识别结果
第四章 结论
参考文献
致 谢 |
