摘 要： 對(duì)云計(jì)算平臺(tái)下的人臉識(shí)別方法進(jìn)行研究，在Hadoop平臺(tái)上建立基于支持向量機(jī)分類(lèi)模型的人臉識(shí)別方法，以發(fā)揮MapReduce并行計(jì)算優(yōu)勢(shì)，提高識(shí)別效率。由于常規(guī)LBP算子和深度LBP算子識(shí)別人臉特征不同，所以該文使用加權(quán)方式結(jié)合兩種算子，以發(fā)揮各自的優(yōu)點(diǎn)。最后，使用人臉識(shí)別領(lǐng)域應(yīng)用最為廣泛的Yale B人臉數(shù)據(jù)庫(kù)、ORL人臉數(shù)據(jù)庫(kù)以及FERET人臉數(shù)據(jù)庫(kù)對(duì)該文研究的云計(jì)算平臺(tái)下的人臉識(shí)別算法進(jìn)行實(shí)例分析。實(shí)驗(yàn)結(jié)果表明，所研究的識(shí)別方法的識(shí)別準(zhǔn)確率要高于使用傳統(tǒng)方法的識(shí)別率。在相同云計(jì)算平臺(tái)下，使用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)建立分類(lèi)器與該文研究的人臉識(shí)別方法進(jìn)行對(duì)比，結(jié)果表明，在云計(jì)算平臺(tái)下，使用SVM分類(lèi)器進(jìn)行人臉識(shí)別的效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)分類(lèi)器。

關(guān)鍵詞： 云計(jì)算； Hadoop平臺(tái)； 人臉識(shí)別； 支持向量機(jī)； 神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)： TN911?34； TP317.4 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）18?0088?03

Abstract： The face recognition method on cloud computing platform is studied. A face recognition method based on support vector machine classification model was established on Hadoop platform to develop the parallel computing advantages of MapReduce， and improve the recognition efficiency. The features of face recognition of the conventional LBP operator and depth LBP operator are different， so the two operators are combined with weighted method to give play to their respective advantages. The Yale B face database， ORL face database and FERET face database widely used in face recognition field are adopted to analyze the face recognition algorithm on cloud computing platform with instance. The results show that the recognition accuracy of the studied method is higher than that of the traditional methods. The face recognition method studied in this paper is compared with the classifier established with BP neural network and RBF neural network on the same cloud computing platform. The results show that， on cloud computing platform， the face recognition effect of using SVM classifier is better than that of using BP neural network and RBF neural network.

Keywords： cloud computing； Hadoop platform； face recognition； support vector machine； neural network

0 引 言

隨著信息技術(shù)的不斷發(fā)展，人臉識(shí)別在身份驗(yàn)證、安全驗(yàn)證、視屏監(jiān)控以及人機(jī)交互等領(lǐng)域中得到了廣泛的應(yīng)用。人臉識(shí)別成為模式識(shí)別、機(jī)器學(xué)習(xí)以及人工智能領(lǐng)域的重點(diǎn)研究話(huà)題之一[1?4]。云計(jì)算是隨著互聯(lián)技術(shù)不斷發(fā)展衍生的產(chǎn)物之一，由于互聯(lián)網(wǎng)統(tǒng)計(jì)以及分析的海量數(shù)據(jù)對(duì)于傳統(tǒng)數(shù)據(jù)處理平臺(tái)已無(wú)法完全應(yīng)付，傳統(tǒng)數(shù)據(jù)平臺(tái)計(jì)算能力有限，并且計(jì)算能力受硬件限制，提升的空間有限。云計(jì)算平臺(tái)能夠高效利用網(wǎng)絡(luò)中的計(jì)算資源，組織整合可利用資源，高效高質(zhì)量完成計(jì)算任務(wù)，云計(jì)算已成為當(dāng)今互聯(lián)網(wǎng)的熱門(mén)話(huà)題，得到了廣泛而深入的研究。本文針對(duì)云計(jì)算平臺(tái)下的人臉識(shí)別方法進(jìn)行研究[5?7]。

1 人臉識(shí)別特征

1.1 常規(guī)LBP

結(jié)果表明，在云計(jì)算平臺(tái)下，使用SVM分類(lèi)器進(jìn)行人臉識(shí)別時(shí)，效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)分類(lèi)器。說(shuō)明神經(jīng)網(wǎng)絡(luò)多層結(jié)構(gòu)需要多次循環(huán)多次訓(xùn)練優(yōu)化才能得到最優(yōu)的算法參數(shù)，這就限制了其在云計(jì)算平臺(tái)下的應(yīng)用，在云計(jì)算平臺(tái)下建立神經(jīng)網(wǎng)絡(luò)識(shí)別分類(lèi)模型，有可能不會(huì)提高反而降低計(jì)算效率，因此神經(jīng)網(wǎng)絡(luò)算法不適用于MapReduce模型。

4 結(jié) 語(yǔ)

為了提高人臉識(shí)別方法的識(shí)別效率，本文在當(dāng)下流行的云計(jì)算Hadoop平臺(tái)上建立人臉識(shí)別模型，使用加權(quán)方式結(jié)合常規(guī)LBP算子和深度LBP算子，以發(fā)揮各自的優(yōu)點(diǎn)。最后，使用人臉識(shí)別領(lǐng)域應(yīng)用最為廣泛的Yale B人臉數(shù)據(jù)庫(kù)、ORL人臉數(shù)據(jù)庫(kù)以及FERET人臉數(shù)據(jù)庫(kù)對(duì)本文研究的云計(jì)算平臺(tái)下的人臉識(shí)別算法進(jìn)行實(shí)例分析。結(jié)果表明，本文研究的識(shí)別方法的識(shí)別準(zhǔn)確率要高于使用傳統(tǒng)方法的識(shí)別率。在相同云計(jì)算平臺(tái)下，使用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)建立分類(lèi)器與本文研究的人臉識(shí)別方法進(jìn)行對(duì)比。結(jié)果表明，在云計(jì)算平臺(tái)下，使用SVM分類(lèi)器進(jìn)行人臉識(shí)別時(shí)，效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)分類(lèi)器。

參考文獻(xiàn)

[1] 田海軍.基于支持向量機(jī)的人臉識(shí)別技術(shù)研究與實(shí)現(xiàn)[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2009.

[2] 吳青，梁勃，王婉，等.多分類(lèi)光滑支持向量機(jī)的人臉識(shí)別方法[J].計(jì)算機(jī)應(yīng)用，2015（z1）：122?126.

[3] 張儼.一種云計(jì)算環(huán)境下人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2013.

[4] 張麗春.基于SIFT和SVM的人臉識(shí)別研究[D].上海：華東師范大學(xué)，2009.

[5] 朱金魁.人臉識(shí)別算法的研究[D].哈爾濱：東北林業(yè)大學(xué)，2009.

[6] 李仕釗.基于云計(jì)算的人臉識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D].廣州：華南理工大學(xué)，2013.

[7] 劉銳.基于人臉圖像稠密匹配的身份識(shí)別技術(shù)研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2014.

[8] 張?chǎng)?，王文?基于局部二值模式和深度學(xué)習(xí)的人臉識(shí)別[J].計(jì)算機(jī)應(yīng)用，2015，35（5）：1474?1478.

[9] 陳莉，趙峰.基于支持向量機(jī)的局部二值模式加權(quán)算法在人臉識(shí)別中的應(yīng)用[J].科技通報(bào)，2015（7）：111?114.

[10] 曹海軍.基于深度學(xué)習(xí)的手背靜脈識(shí)別研究[D].北京：北方工業(yè)大學(xué)，2015.

[11] 廖周宇，謝曉蘭，劉建明.云計(jì)算環(huán)境下基于SVM的數(shù)據(jù)分類(lèi)[J].桂林理工大學(xué)學(xué)報(bào)，2013（4）：765?769.

[12] 朱啟敏.基于云計(jì)算平臺(tái)的神經(jīng)網(wǎng)絡(luò)計(jì)算方法及其應(yīng)用研究[D].廣州：華南理工大學(xué)，2014.

[13] 蔣卓軒.基于Android平臺(tái)大規(guī)模人臉識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D].長(zhǎng)沙：湖南大學(xué)，2013.

[14] 付慶.基于支持向量機(jī)的人臉識(shí)別技術(shù)研究[D].青島：青島大學(xué)，2007.