基於雲計算的人臉識別系統研究與實現

基於雲計算的人臉識別系統研究與實現

華南理工大學  李仕釗

本文完成的主要工作如下：1.以5台機器以Master/Slaver的結構，在linux系統下配置好網路、檔，並安裝好相關的軟體，從而完成Hadoop分散式系統的構建。 2.基於人臉識別的整體架構，就特徵提取和分類器設計兩方面分析了各種常用人臉識別演算法能否適應Hadoop下的MapReduce計算框架。 而鑒別是否能夠適合MapReduce計算框架的標準是計算的可分離度是否高，不可分離的計算是否計算量足夠小。 3． 應用HOG特徵在人臉識別上。 經試驗證實，基於梯度長條圖的HOG，可以適應各種不同光照。 4． 二分類器常常使用SVM演算法。 而SVM本身具備兩個缺點：1.對線性不可分的情況只能使用核函數的方式，而核函數的選擇缺乏有效的理論進行支援；2.只以一個分類平面來分類難以達到分類平面距離邊界樣本距離最遠的目的。 為了解決這兩個問題，本文提出了SVM-Adaboost演算法和NSMD演算法，前者結合了無核SVM和Adaboost演算法，解決了線性不可分的問題，後者則通過多次取最近樣本中間的分類平面來構造複合的分類器， 從而同時解決SVM的兩個缺點。 5． 將整個人臉識別系統在Hadoop系統上實現，對系統中每個演算法都實現了MapReduce框架。 在特徵提取之前，需使用一次MapReduce對各個圖像進行預處理。 而對特徵提取需要經過三次MapReduce過程，一次用在HOG，兩次用在PCA的共變數矩陣求取和降維映射上。 在分類器上，不管識別還是訓練上都只需要使用一次MapReduce。

基於雲計算的人臉識別系統研究與實現