연구 및 구현의 얼굴 인식 시스템 기반 클라우드 컴퓨팅

연구 및 구현의 얼굴 인식 시스템 기반 클라우드 컴퓨팅

남쪽 리 시

이 문서에는 주요 작업은 다음과 같습니다: 1. 마스터/노 구조에서 기계와 5, 리눅스 시스템, 네트워크 및 파일 구성 및 관련 소프트웨어를 설치는 Hadoop의 건설을 완료 하기 위하여 분산 시스템. 2. 얼굴 인식의 전체 구조에 따라,이 종이에서 Hadoop MapReduce 컴퓨팅 프레임 워크에 적응할 수 있는 기능 추출 및 분류자 디자인 등의 다른 일반적인 얼굴 인식 알고리즘, 분석 합니다. MapReduce 계산 프레임 워크에 대 한 적합 여부의 표준은 분리 계산된 정도 인지, 그리고 계산 금액 인지 충분히 작은 이다. 3입니다. 돼지 얼굴 인식 기능을 적용 합니다. 실험 결과 돼지 그라데이션 막대 그래프에 따라 다양 한 조명에 적응할 수 있습니다 보여 줍니다. 4입니다. SVM 알고리즘은 두 분류자에서 자주 사용 됩니다. SVM 자체는 두 가지 단점: 1. 선형 돌이킬 수 없는 상태에의 경우 커널 함수를 사용할 수 있습니다 그리고 커널 함수의 부족 그것 2를 지 원하는 효과적인 이론. 분류 비행기와 하나의 분류 평면 경계 샘플 사이의 거리를 분류 하기가 어렵습니다. 이 두 가지 문제를 해결 하려면이 문서 제안 svm adaboost 알고리즘 NSMD 알고리즘을 가장 가까운 샘플 중간 분류 비행기 여러 번 취하여 선형 문제, 후자의 구문을 복합 분류자를 해결 하기 위해 비 핵 SVM과 adaboost 알고리즘을 결합 하 여, 이 동시에 SVM의 두 가지 단점을 해결합니다. 5입니다. 전체 얼굴 인식 시스템은 Hadoop 시스템에 구현 하 고 MapReduce 프레임 워크를 시스템에서 각 알고리즘 구현. 특징 추출, 전에 mapreduce를 사용 하 여 각 이미지를 전처리 하는 데 필요한입니다. 특징 추출 3 mapreduce 과정, 한 번에 돼지, 두 번 PCA 공분산 매트릭스와 차원 감소 매핑에 사용 해야 합니다. 분류자에만 인식 및 훈련에는 mapreduce를 사용할 필요가 있다.

연구 및 구현의 얼굴 인식 시스템 기반 클라우드 컴퓨팅