1. 毕业设计（论文）主要内容：

人脸识别技术作为一种热门的生物特征识别技术,具有非常高的识别准确率和不易仿造性而被广泛应用。人脸识别技术已经被广泛的应用在各个与人们生活息息相关的领域,其中包括：社会保障福利、电子商务、安全防务、银行、等各个领域。随着移动互联网的快速发展,将移动互联网技术和人脸识别技术有机的结合在一起将是人脸识别技术应用和研发的一个新的方向。本文设计的人脸认证系统,正是结合人脸识别技术和智能手机的便携性,利用机器学习算法，对人脸进行识别认证,根据认证的结果而赋予一定的权限。此系统应用广泛，适用于地铁，火车站，汽车站等场所。

全文预采用PCA(Principal Component Analysis)“主成分分析”的数学方法，对二维的人脸图片进行降维和提取特征，将其转化为一组向量集，进而转化为数学运算来处理。它首先需要准备一些基本的人脸模型(称为“训练集”)，将其向量化后获得基本的特征向量。这些特征向量在返回成图像时看上去仍像人脸，拥有人脸的基本特征，所以它们也被称为“特征脸”。在具体的识别过程中，结合算法的运算将人脸图像向量化、数字化，然后从参考用的训练集数据中找出与当前要识别的人脸数据对应的几个特征值，构成一组特征向量基，以达到表征原数据的目的。

2. 毕业设计（论文）主要任务及要求

1、任务书必读参考文献撰写格式必须规范；（详见《武汉理工大学本科生毕业设计（论文）撰写规范》）

2、阅读的参考文献不少于15篇（其中近5年外文文献不少于3篇)；任务书上列举的必读参考文献4-5篇即可（含1-2篇外文文献）；

3、完成不少于12000字的论文的撰写并完成答辩的相关工作；

3. 毕业设计（论文）完成任务的计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题；

第7周—第12周 撰写论文初稿；

4. 主要参考文献

[1]jolliffe, i.t. principalcomponent analysis, second edition (2002). (springer).

[2]vivek kumar,denis kalitin,prayag tiwari. unsupervisedlearning dimensionality reduction algorithm pca for face recognition. 2017international conference on computing ,communication and automation.

[3] praseetha v.m.,s.vadivel. face extraction using skincolor and pca face recognition in a mobile cloudlet environment.2016 ieeeinternational conference on mobile cloud computing, services and engineering.