基于GPU的并行人臉識別算法研究.pdf

1、人臉識別是模式識別和圖像處理領(lǐng)域最前沿的研究課題之一。由于其在司法、公安、安全等領(lǐng)域有著廣泛的應(yīng)用前景，近年來人臉識別受到了廣泛的關(guān)注。 另一方面，近年來圖形處理器(GPU)高速發(fā)展，提高了計算機圖形處理的速度，并促進了與計算機圖形相關(guān)應(yīng)用領(lǐng)域的快速發(fā)展。與此同時，圖形處理器繪制流水線的高速度和并行性以及近年來發(fā)展起來的可編程功能為圖形處理以外的通用計算提供了良好的運行平臺，這使得基于GPU的通用計算成為近兩三年來人們關(guān)注的一個

2、研究熱點。 在本文的人臉識別研究中，應(yīng)用了基于Gabor特征的二次分類方法。該方法中對于特征提取部分，采用的是Gabor小波特征；對于分類器部分，采用了結(jié)合仿生模式識別與糾錯SVM的二次分類器。二次分類器將基于仿生模式識別理論的HENN方法與具有糾錯能力的SVM方法結(jié)合起來，首先使用HENN進行第一次分類得到中間結(jié)果，再將拒識、多識樣本放入具有糾錯能力的SVM中進行二次分類，達到了非常高的識別率。但是在Gabor特征提取、超橢球

3、神經(jīng)網(wǎng)絡(luò)(HENN)和支持向量機的訓(xùn)練上所花費的時間比較長，對于40個人的ORL人臉庫，整個人臉識別系統(tǒng)的訓(xùn)練時間在15分鐘左右，對更大型的人臉庫(如AR人臉庫)時間長達40分鐘左右。 針對二次分類法人臉識別系統(tǒng)需要大量的訓(xùn)練時間的不足，本文提出了一種基于GPU并行原理的算法，充分利用GPU并行計算的優(yōu)勢，分別在人臉Gabor特征，超橢球神經(jīng)網(wǎng)絡(luò)和支持向量機的訓(xùn)練檢驗上對算法進行了改進，使之適合于GPU并行計算的優(yōu)點，將訓(xùn)練和識