摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-18页 |
1.1 论文的研究背景和意义 | 第12页 |
1.1.1 研究背景 | 第12页 |
1.1.2 研究意义 | 第12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 人脸识别研究现状 | 第12-14页 |
1.2.2 云计算研究概况 | 第14-15页 |
1.2.3 Hadoop图像处理研究现状 | 第15页 |
1.3 本文研究内容与组织结构 | 第15-18页 |
1.3.1 研究内容 | 第15-16页 |
1.3.2 组织结构 | 第16-18页 |
第2章 预备知识 | 第18-28页 |
2.1 Hadoop技术 | 第18-21页 |
2.1.1 Hadoop技术概述 | 第18页 |
2.1.2 HDFS架构 | 第18-20页 |
2.1.3 MapReduce框架 | 第20-21页 |
2.2 人脸识别技术 | 第21-25页 |
2.2.1 人脸识别流程 | 第21页 |
2.2.2 特征提取技术 | 第21-23页 |
2.2.3 特征识别技术 | 第23页 |
2.2.4 常用人脸数据库 | 第23-25页 |
2.3 相关技术与问题描述 | 第25-27页 |
2.3.1 Hadoop中视觉库的调用 | 第25-26页 |
2.3.2 Hadoop的小文件处理问题 | 第26页 |
2.3.3 图像数据格式问题 | 第26-27页 |
2.4 本章小结 | 第27-28页 |
第3章 传统人脸识别与特征选择 | 第28-37页 |
3.1 引言 | 第28-29页 |
3.2 人脸特征介绍 | 第29-31页 |
3.2.1 HOG特征 | 第29-30页 |
3.2.2 GABOR特征 | 第30-31页 |
3.2.3 LDP特征 | 第31页 |
3.3 比对方法选取 | 第31-32页 |
3.4 对比实验与结果分析 | 第32-36页 |
3.4.1 实验平台介绍及搭建 | 第32-34页 |
3.4.2 FERET人脸库实验 | 第34-35页 |
3.4.3 ORL人脸库实验 | 第35页 |
3.4.4 Yale人脸库实验 | 第35页 |
3.4.5 AR人脸库实验 | 第35-36页 |
3.4.6 实验结果分析 | 第36页 |
3.5 本章小结 | 第36-37页 |
第4章 基于Hadoop的人脸数据并行处理 | 第37-51页 |
4.1 引言 | 第37页 |
4.2 组合分片方法简介 | 第37-38页 |
4.3 人脸数据并行处理方案 | 第38-40页 |
4.3.1 组合分片接口实现 | 第38-39页 |
4.3.2 Hadoop主程序设计 | 第39-40页 |
4.4 实验对比与结果分析 | 第40-50页 |
4.4.1 测试集 | 第41页 |
4.4.2 实验环境 | 第41-42页 |
4.4.3 Hadoop平台搭建 | 第42-45页 |
4.4.4 实验结果分析 | 第45-50页 |
4.5 本章小结 | 第50-51页 |
第5章 人脸数据并行处理优化 | 第51-62页 |
5.1 引言 | 第51页 |
5.2 SequenceFile简介 | 第51-52页 |
5.3 并行处理优化方案 | 第52-55页 |
5.3.1 结合组合分片技术的SequenceFile文件生成 | 第52-54页 |
5.3.2 SequenceFile文件读取 | 第54-55页 |
5.4 实验对比与结果分析 | 第55-60页 |
5.4.1 实验平台说明 | 第55-56页 |
5.4.2 生成SequenceFile实验 | 第56-57页 |
5.4.3 读取SequenceFile实验 | 第57-60页 |
5.4.4 实验结果分析 | 第60页 |
5.5 本章小结 | 第60-62页 |
第6章 基于Hadoop的人脸识别并行化实现 | 第62-72页 |
6.1 并行人脸识别实现 | 第62-66页 |
6.1.1 特征提取JOB设计 | 第62-64页 |
6.1.2 特征识别JOB设计 | 第64-66页 |
6.2 实验对比与结果分析 | 第66-71页 |
6.2.1 特征提取过程实验 | 第66-69页 |
6.2.2 特征识别过程实验 | 第69-71页 |
6.3 本章小结 | 第71-72页 |
结论 | 第72-74页 |
致谢 | 第74-75页 |
参考文献 | 第75-79页 |
攻读硕士学位期间发表的论文及科研成果 | 第79页 |