基于Hadoop人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、人臉檢測(cè)及識(shí)別是現(xiàn)代生物識(shí)別技術(shù)研究的熱點(diǎn)，隨著識(shí)別與檢測(cè)技術(shù)的發(fā)展，一大批商業(yè)應(yīng)用應(yīng)運(yùn)而生，如人臉考勤，人物搜索等極大的豐富了人民的生產(chǎn)生活。隨著手機(jī)，電腦和其他智能設(shè)備的普及，傳統(tǒng)以文字記錄生活的方式逐漸被圖像、視頻等代替。面對(duì)如此大量的圖像視頻數(shù)據(jù)，如何從里面發(fā)現(xiàn)對(duì)人類(lèi)生活有價(jià)值的信息成為了數(shù)據(jù)管理的一個(gè)難題。
　　為了實(shí)現(xiàn)大規(guī)模圖像的人臉檢測(cè)和識(shí)別，本文實(shí)現(xiàn)了一種基于Hadoop的人臉識(shí)別系統(tǒng)。系統(tǒng)分為兩個(gè)部分：一是基于

2、Hadoop的并行人臉檢測(cè)；二是基于 Hadoop的并行人臉識(shí)別。人臉檢測(cè)利用OpenCV實(shí)現(xiàn)，人臉識(shí)別實(shí)現(xiàn)采用主成分分析方法。人臉檢測(cè)過(guò)程中，針對(duì)Hadoop沒(méi)有實(shí)現(xiàn)圖片接口這一現(xiàn)狀，本文自定義圖片序列化類(lèi)，將圖片封裝到序列化對(duì)象當(dāng)中，拓寬了 Hadoop處理的數(shù)據(jù)類(lèi)型。對(duì)于 Hadoop處理大量小圖片效率低下的問(wèn)題，本文實(shí)現(xiàn)組合分片方法，通過(guò)重寫(xiě)記錄讀取函數(shù)，將一個(gè)個(gè)小圖片合并成邏輯上的分片形成一個(gè)大文件，有效減少了 MapRedu

3、ce啟動(dòng)次數(shù)。最后，本文引入第三方 OpenCV視覺(jué)處理庫(kù)，利用其訓(xùn)練好的分類(lèi)器，實(shí)現(xiàn)了人臉檢測(cè)的并行Hadoop實(shí)現(xiàn)。檢測(cè)實(shí)驗(yàn)表明通過(guò)自定義序列化、顯示組合分片方法、OpenCV視覺(jué)處理庫(kù)，Hadoop能夠應(yīng)對(duì)圖片的批量檢測(cè)，并取得不錯(cuò)的檢測(cè)速率。人臉識(shí)別過(guò)程中，根據(jù) Hadoop并行計(jì)算框架的特點(diǎn)，很多人臉識(shí)別方法不適合利用 Hadoop進(jìn)行人臉特征提取，故本文采用特征臉?lè)椒āＬ崛【仃囂卣髦颠^(guò)程中涉及到大量的數(shù)學(xué)運(yùn)算，需要對(duì)數(shù)據(jù)進(jìn)行