随着人类社会的不断进步和发展,人们对自身的身份信息越来越重视。人脸是一种承载着丰富信息的信息源,人们可以通过人脸实现对身份的确认。人脸识别技术经过几十年的发展,在门禁、监控、刑侦等诸多领域有着十分广泛的应用。这些应用实例说明研究人脸识别算法,提高人脸识别的准确性以及效率具有重要意义。论文从以下几点内容展开学习与研究:(1)简述人脸识别技术的国内外的发展与研究现状。通过研读国内外的关于人脸识别技术的研究,深入了解人脸识别的关键技术。再通过对深度学习这门知识的学习,将深度学习与图论的方法相结合运用到人脸识别的问题中去,取得了较好的效果。(2)设计并实现基于ASM模型与图论的人脸识别算法。该算法首先训练ASM模型,建立形状模型。在训练过程中,首先搜集样本,手工标记人脸图像的关键特征点,为训练集中所有样本构建形状向量,形状归一化,为每个关键特征点构建局部特征。在识别过程中,利用ASM模型检测图像中人脸关键特征点的位置,针对关键特征点使用邻域算法来构建人脸图。并计算图中节点处的伽柏特征簇,将待识别人脸图与模板人脸图进行图的相似度计算,实现图的匹配,从而识别出相应的人脸。ORL人脸库和AR人脸库上的实验表明,该算法取得了比较理想的效果。(3)设计并实现基于深度学习和图论的人脸识别算法。该识别算法首先对原始的数据图像进行预处理,完成其尺寸大小以及灰度的归一化等步骤,然后使用这些经过预处理的图像数据来训练卷积神经网络,即利用原始的人脸图片以及其相应的带有标注的人脸图片对卷积神经网络进行训练,网络训练完成后将预处理后的待识别图像输入到网络中,该网络的输出结果就是其对应的带有关键特征点标注的图片。完成了关键特征点的定位之后,再构建人脸图,利用图的匹配操作即可完成识别。ORL人脸库和AR人脸库上的实验表明,该算法也取得了比较理想的效果。