基于Hadoop人臉識別系統(tǒng)的設計與實現(xiàn).pdf

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

2、Hadoop的并行人臉檢測；二是基于 Hadoop的并行人臉識別。人臉檢測利用OpenCV實現(xiàn)，人臉識別實現(xiàn)采用主成分分析方法。人臉檢測過程中，針對Hadoop沒有實現(xiàn)圖片接口這一現(xiàn)狀，本文自定義圖片序列化類，將圖片封裝到序列化對象當中，拓寬了 Hadoop處理的數(shù)據(jù)類型。對于 Hadoop處理大量小圖片效率低下的問題，本文實現(xiàn)組合分片方法，通過重寫記錄讀取函數(shù)，將一個個小圖片合并成邏輯上的分片形成一個大文件，有效減少了 MapRedu

3、ce啟動次數(shù)。最后，本文引入第三方 OpenCV視覺處理庫，利用其訓練好的分類器，實現(xiàn)了人臉檢測的并行Hadoop實現(xiàn)。檢測實驗表明通過自定義序列化、顯示組合分片方法、OpenCV視覺處理庫，Hadoop能夠應對圖片的批量檢測，并取得不錯的檢測速率。人臉識別過程中，根據(jù) Hadoop并行計算框架的特點，很多人臉識別方法不適合利用 Hadoop進行人臉特征提取，故本文采用特征臉方法。提取矩陣特征值過程中涉及到大量的數(shù)學運算，需要對數(shù)據(jù)進行