基于MapReduce的人脸识别的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外的研究动态及发展趋势 | 第9-10页 |
| 1.3 应用场景及目标 | 第10-11页 |
| 1.4 研究思路 | 第11页 |
| 1.5 设计内容 | 第11-12页 |
| 1.6 组织架构 | 第12-14页 |
| 2 人脸识别系统开发环境 | 第14-35页 |
| 2.1 Linux开发系统CentOS | 第14-15页 |
| 2.2 Java开发环境Eclipse | 第15页 |
| 2.3 视觉处理库JavaCV | 第15页 |
| 2.4 大数据处理架构Hadoop | 第15-25页 |
| 2.4.1 分布式文件系统HDFS | 第17-18页 |
| 2.4.2 分布式数据库HBase | 第18-20页 |
| 2.4.3 分布式锁Zookeeper | 第20页 |
| 2.4.4 分布式批处理框架MapReduce | 第20-25页 |
| 2.5 单机配置 | 第25-26页 |
| 2.6 集群配置 | 第26-34页 |
| 2.7 本章小结 | 第34-35页 |
| 3 人脸识别算法 | 第35-42页 |
| 3.1 人脸识别基础 | 第35-37页 |
| 3.2 PCA算法 | 第37-41页 |
| 3.2.1 PCA算法概述 | 第37-38页 |
| 3.2.2 PCA算法的数学原理 | 第38-40页 |
| 3.2.3 PCA算法在JavaCV上的编程实现 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 人脸识别系统的设计 | 第42-62页 |
| 4.1 系统的整体设计 | 第42-46页 |
| 4.1.1 预处理模块 | 第42-44页 |
| 4.1.2 识别模块 | 第44-46页 |
| 4.1.3 显示模块 | 第46页 |
| 4.2 单机设计 | 第46-53页 |
| 4.2.1 预处理模块 | 第46-49页 |
| 4.2.2 识别模块 | 第49-52页 |
| 4.2.3 显示模块 | 第52-53页 |
| 4.3 集群设计 | 第53-61页 |
| 4.3.1 读取人脸图片 | 第54-56页 |
| 4.3.2 存储数据 | 第56-58页 |
| 4.3.3 Map过程 | 第58-59页 |
| 4.3.4 Reduce过程 | 第59-60页 |
| 4.3.5 测试 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 测试与分析 | 第62-68页 |
| 5.1 单机与集群 | 第62-64页 |
| 5.1.1 测试 | 第62-63页 |
| 5.1.2 分析 | 第63-64页 |
| 5.2 调节服务器的带宽 | 第64-65页 |
| 5.2.1 测试 | 第64页 |
| 5.2.2 分析 | 第64-65页 |
| 5.3 集群节点数 | 第65-66页 |
| 5.3.1 测试 | 第65-66页 |
| 5.3.2 分析 | 第66页 |
| 5.4 MapReduce性能优化 | 第66-67页 |
| 5.4.1 测试 | 第66-67页 |
| 5.4.2 分析 | 第67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间发表的论文 | 第74页 |
