文献综述
- 研究背景
1.1研究背景及意义
随着时代的进步和发展，人们对于身份识别系统和考察系统的要求越来越高，在满足高效可靠的基础上，更要安全有效。于此同时，在当代大学校园里，课堂出勤率越来越成为考察学生平时学习成绩的主要依据；一些企业也常常以出勤率作为公司的奖赏依据，来评价员工工资。考察识别系统在当代管理发挥越来越重要的作用。传统的高校考勤方式主要有人工考勤和打卡考勤等方式，效率低下且复杂。虽然随着互联网信息化时代的快速发展，大部分高校将网络信息平台考勤系统引入学校，解决了由传统的人工和校园一卡通等考勤方式带来的繁琐过程，但仍然存在着代签现象和忘记带手机等问题，当今社会仍然需要更高效准确的考勤识别系统。
在21世纪的今天，人工智能蓬勃发展，具有广阔的发展前景。其中，在大数据共享和信息化迅速发展的时代，生物识别技术将在当今科技革命时代发挥越来越重要的作用。生物识别系统以声音、人脸、眼睛等生物特征具有不同差异性的特点来辨别个体身份。解决了传统识别方式中的困扰问题，表现出了安全可靠性。人脸与人体的其他生物特征（指纹、虹膜等）一样与生俱来， 它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提；其中人脸识别与虹膜识别、指纹识别等生物识别系统相比，因其具有普遍性、非侵犯性、唯一性、可靠性、高性价比等优点，成为主要的生物识别技术之一，是一种较为友好的智能的身份识别技术。人脸识别系统通过计算机获取人的面部特征，再并根据这些特征与人脸数据库中的人脸进行对比进而识别出个体身份信息。人脸识别技术主要通过人脸检测定位、面部特征提取和人脸对比确认识别三个步骤完成。人脸识别系统已经广泛应用到了社会生活的方方面面，对社会生活各行各业的发展具有重要的意义。
虽然人脸识别技术克服了传统的考勤方式的许多缺点，具有显著的优势。但由于现实环境的复杂多样，生物识别技术当前仍然存在着一些问题，人的面部表情的变化、姿态的变化、面部相似、面部污损现象和环境中光照的变化等现象均会影响人脸识别系统的安全性和精确性。
1.2国内外研究现状
在信息化和大数据的智能时代，生物识别技术迅速发展起来的同时，人脸识别技术快速兴并得到了广泛的应用。与我国研究相比，国外的研究起源较早。最初在20世纪60年代就有人员开始进行研究人们的面部特征，但当时人脸识别技术主要是机器识别，以Bertillon为代表的科研人员主要研究人脸识别的面部特征，使用了较简单面部特征描述语句和数据库中的人脸建立联系[1]，该阶段的识别过程主要由人工操作完成，并没有实现自动识别；真正进入到初级的应用阶段是在20世纪90年代，伴随着高精度计算机的出现和科技的进步，图像采集和信息处理能力不断增强，人脸识别技术取得了重大突破成就，逐渐进入了机器自动处理阶段，该时期M.turk等研究人员提出了特征脸法，Belhumeur提出了Fisherface方法，之后又出现了基于弹性图匹配的人脸识别方法[2]。在进入21世纪以来，随着深度学习理论研究的深入，深度卷积神经网络[3]采取多级级联的网络结构提取图像的生物特征，极大地改善了图像识别率的模糊问题，成为了人脸识别技术的重要算法。
与国外相比，虽然我国的人脸识别技术的研究发展起步较晚，但在国家的鼓励下，我国的人脸识别技术快速发展，例如中国科学院的陈熙霖教授带领的研究小组在人脸识别算法的实用化等方面取得了优秀的研究成果，以及中科院的李子青教授所在的研究小组在近红外和中远距离人脸识别等方面也取得显著的研究成果[4]。且在2014年，汤晓鸥研究团队提出了Deep网络结构，来验证人脸识别[5]，在经过不断的改进后准确率高达99%[6]。又与2015年，何凯明等科研人员提出了残差网络[7]，有效解决了随着网络层数的增加准确率下降的问题，之后残差网络被广泛应用在主干网络之中。
当前阶段，人脸识别系统被广泛应用在各个领域内，已深入到各行各业，具有广阔的发展前景。
- 人脸识别的方法
2.1基于几何特征的人脸识别
