1. 研究目的与意义（文献综述）

1.1背景及意义：

近几年来，随着安防监控、身份识别、视频检索等应用在生活中的普及，计算机视觉领域中的动态人脸识别技术已经引起了人们的高度重视。2016年9月，在杭州召开的g20峰会实现重点区域动态人脸识别布控，通过在公共场所、关键通道安装高清摄像头进行实时的动态人脸识别监测，来确保峰会的顺利召开；2017年1月，北京火车站启用刷脸进站技术核验进站人员，解决了以往人工核对信息速度慢、人力成本高的一系列问题，提升了验票的准确度和进站的效率。相比静态人脸识别，视频包含多个角度的人脸图片，这不仅为识别提供了丰富的空间信息，还提供了额外的时序信息。然而由于视频清晰度较低、光照角度变化较大、人脸时常有遮挡等原因，动态人脸识别技术仍有很多不足之处，仍有很多困难要克服。因此，设计出一种能够整合视频帧之间的时序信息和空间信息的模型以提高动态人脸识别的准确性和鲁棒性将会变得至关重要。

1.2目的：

2. 研究的基本内容与方案

2.1基本内容与目标

学习深层卷积神经网络以及循环神经网络，在了解当前常用的动态人脸识别方法的设计原理和技术的基础上，使用合适的深度学习框架设计并实现基于卷积循环神经网络的动态人脸识别。

需要实现的基于卷积循环神经网络的动态人脸识别主要分四个模块：

3. 研究计划与安排

(1) 2017/01/09—2017/01/15：查阅参考文献，明确选题。

(2) 2017/01/16—2017/03/05：进一步阅读文献，分析、总结、确定技术路线，完成并提交开题报告。

(3) 2017/02/21—2017/03/05：翻译英文资料并交由指导教师检查。

4. 参考文献（12篇以上）

[1] simonyan k, zisserman a. two-stream convolutionalnetworks for action recognition in videos[j]. advances in neural informationprocessing systems, 2014, 1(4):568-576.

[2] jiaolong yang, peiran ren, dongqing zhang, et al. neuralaggregation network for video face recognition[j]. 2017:5216-5225.

[3] wang l, xiong y, wang z, et al. temporalsegment networks: towards good practices for deep action recognition[j]. acmtransactions on information systems, 2016, 22(1):20-36.