声明
摘要
第1章 绪论
1.1 论文的研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 人脸识别研究现状
1.2.2 云计算研究概况
1.2.3 Hadoop图像处理研究现状
1.3 本文研究内容与组织结构
1.3.1 研究内容
1.3.2 组织结构
第2章 预备知识
2.1 Hadoop技术
2.1.1 Hadoop技术概述
2.1.2 HDFS架构
2.1.3 MapReduce框架
2.2 人脸识别技术
2.2.1 人脸识别流程
2.2.2 特征提取技术
2.2.3 特征识别技术
2.2.4 常用人脸数据库
2.3 相关技术与问题描述
2.3.1 Hadoop中视觉库的调用
2.3.2 Hadoop的小文件处理问题
2.3.3 图像数据格式问题
2.4 本章小结
第3章 传统人脸识别与特征选择
3.1 引言
3.2 人脸特征介绍
3.2.1 HOG特征
3.2.2 GABOR特征
3.2.3 LDP特征
3.3 比对方法选取
3.4 对比实验与结果分析
3.4.1 实验平台介绍及搭建
3.4.2 FERET人脸库实验
3.4.3 ORL人脸库实验
3.4.4 Yale人脸库实验
3.4.5 AR人脸库实验
3.4.6 实验结果分析
3.5 本章小结
第4章 基于Hadoop的人脸数据并行处理
4.1 引言
4.2 组合分片方法简介
4.3 人脸数据并行处理方案
4.3.1 组合分片接口实现
4.3.2 Hadoop主程序设计
4.4 实验对比与结果分析
4.4.1 测试集
4.4.2 实验环境
4.4.3 Hadoop平台搭建
4.4.4 实验结果分析
4.5 本章小结
第5章 人脸数据并行处理优化
5.1 引言
5.2 SequenceFile简介
5.3 并行处理优化方案
5.3.1 结合组合分片技术的SequenceFile文件生成
5.4.1 SequenceFile文件读取
5.4 实验对比与结果分析
5.4.1 实验平台说明
5.4.2 生成SequenceFile实验
5.4.3 读取SequenceFile实验
5.4.4 实验结果分析
5.5 本章小结
第6章 基于Hadoop的人脸识别并行化实现
6.1 并行人脸识别实现
6.1.1 特征提取JOB设计
6.1.2 特征识别JOB设计
6.2 实验对比与结果分析
6.2.1 特征提取过程实验
6.2.2 特征识别过程实验
6.3 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;