基于Hadoop的人脸识别并行化方法的研究  

Research on a Parallelized Method of Face Recognition Based on Hadoop

作　　者：王沈括 邬少飞 张华杰[1,2] 夏宁 WANG Shen-kuo;WU Shao-fei;ZHANG Hua-jie;XIA Ning(Hubei Provincial Key Laboratory of Intelligent Robot(Wuhan Institute of Technology),Wuhan 430205,Hubei;School of Computer Science&Engineering,Wuhan Institute of Technology,Wuhan 430205,Hubei)

机构地区：[1]智能机器人湖北省重点实验室(武汉工程大学),湖北武汉430205 [2]武汉工程大学计算机科学与工程学院,湖北武汉430205

出　　处：《电脑与电信》2019年第12期15-19,22,共6页Computer & Telecommunication

基　　金：2017年武汉工程大学教学改革研究项目，项目名称：软件工程专业服务外包产业人才培养模式的研究和实践，项目编号：X2017028

摘　　要：针对传统的人脸识别技术具有面向小数据量、单机处理环境、实时性低等问题,提出将目前流行的大数据处理框架Hadoop与人脸识别技术相结合的处理方法。将人脸数据库存放在本地,将人脸数据库中的人脸图像的URL组成的文本文件存放至HDFS,并且作为MapReduce的输入。经过实验对比,在较大数据量的时候,本文提出的人脸识别并行化方法的效率较单机环境下有明显提升,且集群表现出良好的稳定性和伸缩性,为人脸识别并行化提供了一种可行的方案。In view of the traditional face recognition technology,which is oriented to small data,single machine processing environment,low real-time and so on,this paper proposes a processing method combining the current popular big data processing framework Hadoop with face recognition technology.The face database is stored locally,and the text file composed of the URL of the face image in the face database is stored to HDFS as an input to MapReduce.The efficiency of face recognition parallelization method proposed in this paper is obviously improved when the data is large,and the cluster shows good stability and scalability,which provides a feasible scheme for face recognition parallelization.

关 键 词：HADOOP MAPREDUCE 人脸识别 PCA 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]