摘 要人脸识别领域的行业市场空间巨大。在技术方面，人脸自动识别的精度，尤其是针对静态或者慢动态情况下已经超过人眼；同时，大规模普及的软硬件基础条件也已具备。在应用领域，尤其是金融、安防、互联网领域需求强劲，中国目前已经部署了超过2000多万的监控摄像头，研究如何充分利用监控到的视频信息来进行各种应用具有重要意义。以安防为例，在出入境口岸、机场、汽车站、火车站、大型广场等场所部署监控摄像头，通过实时对监控视频信息处理和智能分析，可用于罪犯和可疑人员的识别。与人工识别相比，人脸自动识别技术具有如下有点1）实时跟踪目标，不知疲倦，不眠不休；2）采用人工智能识别技术已经超过人的能力，这样通过自动识别和人工专家经验结合，就可以大大提高罪犯和可疑人员的识别率，助力平安城市和平安社会构建。本文重点研究和实现了如何从视频监控中检测出人脸，然后对人脸进行准确识别。技术方案采用开源的人脸分类器算法以及卷积神经网络技术，实现上采用Python+Keras+tensorflow 开发环境，实现了一个基本的人脸检测和识别流程 视频图像抓取--->视频图像中人脸检测--->基于卷积网络的人脸模型训练--->从新的视频中识别出人脸，整体识别效果良好。
目 录
1.1研究背景及意义 1
1.2 研究现状 2
1.2.1 人脸识别研究现状 2
1.2.2 人脸识别方法研究现状 2
1.2.3 卷积神经网络研究现状 3
1.3 研究目标及内容 3
1.4、本文章节安排 4
2.1 Tensorflow的基本开发架构 5
2.2 配置、获取实时视频流 6
2.2.1 准备工作 6
2.2.2 获取并显示USB摄像头实时视频 6
2.2.3 识别人脸 6
2.2.5 卷积神经网络（CNN） 9
2.2.6 利用keras库训练人脸识别模型 12
2.2.7 从视频流中识别出“我” 16
结束语 19
致 谢 20
参考文献 21
第一章 绪论
1.1研究背景及意义
人脸识别系统的研究始于20世 *景先生毕设|www.jxszl.com +Q: ^351916072# 
纪60年代和80年代以后，随着计算机技术和光学成像技术的发展，真正的入门阶段将近90年。面部识别系统成功的关键是是否有提示。核心算法和识别结果具有实际的识别率和识别速度[3]。人脸识别系统集成了人工智能，机器识别，机器学习，模型理论，专家系统和视频图像处理等专业技术。结合中值处理的理论和实现是生物识别的最新应用[1]。其核心技术的实现体现了弱人工智能的优势。人工智能的变化主要表现在计算机科学领域。它适用于机器人技术，经济和政治决策，控制系统和仿真系统。
传统的人脸识别技术常用的识别方法主要基于可见光图像识别。它有超过30年的研究和发展历史。但是，这种方法在光照变化时会产生较大的识别误差，识别效果会急剧下降，不能满足实际系统的需要。照明问题有两个主要解决方案：三维人脸识别和热人脸识别。相比于这两种识别方法，基于主动近红外图像的多光源人脸识别技术不仅可以克服它们在光线影响条件下的明显劣势，还拥有更高的准确性。在精度、稳定性和速度方面，整个系统的性能都将会优于3D图像人脸识别。这项技术在过去的两、三年中发展迅速，使人脸识别技术成为一种真正可以值得推广，造福人类的技术[2]。
值得一提的是，人脸和其他生物特征（指纹，虹膜，声音等）都是天生的。独一无二的特点，它所拥有的唯一性和不可复制性的特殊优越性为身份鉴定提供了必要的前提，并且具有以下特点：
1、非强制性：用户不需要与脸部捕捉设备协作，几乎无意识地获取脸部图像，因此采样方法不是“强制”的；
2、非接触性：获取脸部图像不需要用户直接联系设备；
　　3、并发性：在实际的应用场景中，我们可以分类，判断和识别多个面部；
　　4、此外，它还符合视觉特征：“以貌辨认人”的特点：操作简单，结果直观，隐蔽性好。
由于可视化和人类思维习惯的明显优势，从技术层面来看，脸部是唯一可以在用户不需要用户积极配合的情况下提取的生物特征信息。其他指纹，掌纹，虹膜，静脉和视网膜等生物特征要求用户的主动协作作为先决条件，即如果用户拒绝收集，则无法获得高质量的特征信息。人脸识别的应用范围将在未来和未来逐渐普及：1、安保。办公场所和私人住宅的门禁，包括人脸识别门禁考勤系统，人脸识别安全门。2、电子护照及身份证。这或许是未来规模最大的应用。3、公安、司法和刑侦。比如通过在监控网络中添加人脸识别系统的应用，逃犯就可以在全国乃至全世界的监控覆盖范围内难以逃之夭夭。4、自助服务。如银行的自动提款机，需要实名认证的自助取票机，如车站，演出门票等，如果您同时使用脸部识别系统，将有效避免被盗现金和票务。5、信息安全。如果当前的手机密码已解锁，电子政务，电脑登录，电子商务和银行交易等，大多数电子商务已经可以在线完成。电子政务中的许多审批流程也已上线。目前，交易或批准的授权是通过密码实现的。如果密码被盗，这些保证将难以确定安全性。如果使用生物识别技术，可以实现互联网上各方的数字身份和真实身份，从而最大限度地保证电子商务和电子政务系统的可靠性。6、娱乐方面。现场直播和摄像机的美容、美容相机的特效等。7、刑侦。在审讯犯人的时候，监控摄像可以在监控时实时根据犯人说话的面部微表情的变化，分析犯人的心理活动，帮助案情分析。
1.2 研究现状
1.2.1 人脸识别研究现状
人脸识别技术最先起步的国家是美国，同时美国也是最先应用该技术的国家，其人脸识别技术的水平也一直处于该技术的前列。美国国防部早在1933年就启动了 FERET项目，奠定了后来的生物智能识别技术基础，此外，国防部和国土安全部已加大对人工智能识别技术的投资，以防止恐怖主义威胁公共安全。虽然日本最近在美国涉及人脸识别领域，但人脸识别技术和发展也在发生变化。日本的一家研究中心在2014年就在日本大坂发起了一项基于视频的人脸识别技术的试验，目的在于当灾难来临时，实时监测人群的面部表情和人流，以确定每个紧急出口是否可用。在我国，目前基础的人脸识别技术已经广泛的应用于银行和宽带办理等实名制的业务办理，车站等高密集人群集散地的身份校验，以及智能手机的美颜相机 App和高端智能手机的屏幕解锁等。
虽然人脸识别技术目前在世界上还没有特别完善和健全，甚至可以说是有缺陷的，但是不可否定的是它已经逐渐引起了各行各业的关注，并且已经有了专门的国际会议，越来越多的研究者投入了它。相信在不久的将来，这项技术将逐渐成熟并被广泛使用。应用将惠及全人类。
1.2.2 人脸识别方法研究现状
针对于人脸识别的研究，欧美和日本等国已经开展了多年的研究，也取得了明显的进步和技术优势，应用于人脸识别的方法主要集中在以下几个方面：

原文链接：http://www.jxszl.com/jsj/rjgc/444831.html