人脸识别机器人毕业论文

可以。 毕业论文是可以用别人训练出来的，但是自己也要有创新，不能全部使用，不然是不会过的。毕业论文（graduation study）是专科及以上学历教育为对本专业学生集中进行科学研究训练而要求学生在毕业前撰写的论文。毕业论文一般安排在修业的最后一学年（学期）进行，论文题目由教师指定或由学生提出，学生选定课题后进行研究，撰写并提交论文，目的在于培养学生的科学研究能力，加强综合运用所学知识、理论和技能解决实际问题的训练，从总体上考查学生大学阶段学习所达到的学业水平。

你哪一个熟悉就写哪方面的，如果都不熟悉，我建议写图像处理方面的。因为直观，可以写的也比较多，比如车牌识别、人脸识别、指纹识别、目标检测与跟踪。

个人感觉单片机方向的论文比较好写也比较简单，而且也比较容易做出实物答辩的时候拿高分，比如说做一个mp3什么的，只要熟悉下SPI协议，处理器用STM32F103x系列，然后再买一个VS1003b的mp3解码芯片，很容易就可以做一个mp3出来，不仅看起来高大上，做起来也很简单，晚上的教程一堆一堆的，拈来可得图形学方面的本人入坑五六年，说来说去除了数学还是数学，赶论文很多地方自己都不明白，拿脸部识别来说ANN，SVM，Adaboost，哪个不要花个把来月琢磨，而且还是建立在有一定底子的基础上，代码参考OpenCV，除非觉得自己有把握，不建议本科或者非图形学专业的论文搞，难度我就不说了，谁学谁知道

人脸识别是目前AI技术应用中比较常见的场景之一，在入口检查、在线支付、用户校验等方面都有人脸识别的影子！但目前人脸识别至少还有以下挑战；

1、隐私安全

既然是人脸，就一定涉及到个人隐私的问题。随着信息化越来越普及，个人大数据在不同的平台上都会有不同程度的留存，此时如何保证个人隐私在互联网上的安全，是需要人脸识别技术和相关法律法规去完善和管理的，但目前这部分尚处于初级阶段。还需要全社会从认知到技术都提高才能解决。

应用场景

在人脸识别精准度上，高度依赖应用场景，有人曾测试过一款平台型智能机器人，号称集成了最NB的人脸识别技术和摄像头，在昏暗的光线下也可以有很高的识别准确率，有一次当机器人移动到门口的时候，我从屋里向屋外走动，当我走到机器人面前，一半面部有太阳光照射，而另一半则处于黑暗状态。同时机器人的角度是激光拍摄，就这样它失败了！多次测试结果均如此。而当一个人从暗黑的环境向强光环境移动，而摄像角度在强光下时，识别效果很差，这说明人脸识别的适应性和准确度还可有很大提高空间。

用户体验

人脸识别的用户体验也是一个挑战。大家在过机场安检偶尔会有这样的尴尬，明明一切操作正常，但走到识别通道那儿就是过不去，这可能会有几种原因：1、因为网络传输问题，不能及时将最准确的照片上传导致检测结果显示较慢；2、当用户做过整容手术，面部轮廓和深度特征有较大变化时，就可能检测出错；3、检测设备识别范围有限（大了会存在多张人脸的情况，小了人脸取景不完整），此时就需要用户或弯腰，或垫脚，或移动来适应摄像头，这就像在爬坡时需要人扛自行车一样！由于人品识别的应用场景非常广泛，如何做到全场景提供最好的用户体验，仍然是目前人品识面临的挑战之一。

其他实现算法、效率、精准度等都可以随着大数据应用、计算力加强而逐步得到解决，但目前仍是部分挑战！

万维识别为您解答。

1.威胁到个人和社会隐私 对个人隐私的威胁是面部识别技术的一个重大缺点。人们不喜欢他们的脸被记录并存储在数据库中,以供未知的未来使用。2.侵犯人身自由 被面部识别技术记录和扫描,会让人觉得自己的行为总是被监视和判断。此外,警方还可以使用面部识别技术在虚拟犯罪队列中对数据库中的每个人进行识别,这就像在没有正当理由的情况下把你当作犯罪嫌疑人一样。3.侵犯了个人的权利 在一些个人自由有限的国家,通常使用面部识别来监视公民,逮捕那些被视为捣乱者。4.创建数据漏洞 人们还担心面部识别数据的存储,因为这些数据库有可能被攻破