nice team小组出山啦!（第二次会议）

　为什么niceteam小组一个月没有更新博客？因为我们正在埋头苦干。是的过去的一个月我们的小组成员正沉浸在知识的海洋中，今天是我们出山的好日子，特地记录一下我们的工作进度。

在项目经理的安排下，我们小组成员在过去的一个月内不仅完成了python的学习，而且对本项目的基础知识，设计流程，相关概念都进行了系统的学习和讨论。此次会议对本月进度进行总结，具体如下：

一：项目基础

　　基于特征提取的人脸识别

　　特征提取方法的选择：在详细对比了hog特征，lbp特征，haar特征的优劣以及学习的难易程度以后，我们选择了sift特征。

　　sift特征所具有的优点

1. 图像的局部特征，对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性。
2. 独特性好，信息量丰富，适用于海量特征库进行快速、准确的匹配。
3. 多量性，即使是很少几个物体也可以产生大量的SIFT特征
4. 高速性，经优化的SIFT匹配算法甚至可以达到实时性
5. 扩招性，可以很方便的与其他的特征向量进行联合。

二：整体思路

　　1：使用opencv调用摄像头拍摄用户脸并存储在本地/数据库。

　　2：对用户照片进行相应处理并能够借助dlib库框出人脸

　　3：使用sift特征进行特征提取

　　4：打开摄像头进行识别

三：预期效果

　　1：能够准确的识别100个以上的不同人脸

　　2：能够实时识别

　　3：在不同的光照噪音条件下也能较准确的进行识别

　　4：能够判断是真人还是照片

四：项目分工

　　1：詹晔康和张志喆：主要负责软件安装环境配置以及代码编写

　　2：赵金波和乔佩云：主要是负责软件测试，编写文档和博客

五：小组成员具体个人进度

　　1：小组成员每个人都有独立编写python代码的能力，并且对sift特征有一定程度的理解

　　2：詹晔康深入了解了sift特征，并正在进行识别代码的编写

　　3：张志喆正在学习如何减少光照和噪音对人脸识别的干扰

　　4：赵金波将hog特征，lbp特征，haar特征与sift特征进行对比总结

　　5：乔佩云学习了卷积神经网络的相关知识，与特征提取方法进行对比

六：下期预告

　　1：人脸识别系统1.0版本即将上线，开发人员正在马不停蹄的进行代码的编写与调试

　　2：第一份完整的需求分析文档即将发布