毕业论文对脸部识别的分布式系统

《毕业论文对脸部识别的分布式系统》由会员分享，可在线阅读，更多相关《毕业论文对脸部识别的分布式系统（7页珍藏版）》请在装配图网上搜索。

1、对脸部识别的分布式并行系统摘要：这篇论文讨论分布式并行系统对人脸识别。 The face database in this system is so huge (more than 1,000 thousand faces) that matching and recognition processes cannot be carried out on only one computer.脸部数据库，在这个系统中是如此巨大（超过一百万）以至于匹配和识别过程中无法只在一台计算机上进行。 So cluster system must be used to improve the matching

2、speed.因此，集群系统必须被用来改善匹配速度。 But many current clusters existing have some problems and cannot fit our system.但目前许多集群现有的一些问题，并不能符合我们的系统要求。 A special distributed parallel system was developed to complete face query and recognition.一个特殊的分布式并行系统的设计开发用来对面部进行查询和识别。在这个系统中我们将利用The concept of parallel virtual m

3、achine and a kind of linked table structure adopted in this system not only decreased lots of moving overhead of adding or deleting nodes in the array structure but also truly realized the infinite extensibility.并行虚拟机的概念和一种联系表结构，这样不仅在阵列结构减少了大量的移动开销添加或删除节点，但也真正实现了无限的可扩展性。 Furthermore, key techniques

4、such as distributed database, buffer and synchronization techniques in communication and multithreading in control flow were adopted to guarantee the normal running.此外，关键技术，如分布式数据库，缓冲区及同步技术在通信和多线程控制流等被采用，以保证正常运行。 Practical results proved that this parallel system could improve the matching speed for

5、 more than 4 times.实际结果证明，这种并行系统可提高匹配速度以上的4倍。 Moreover, the greatest advantage of this system is not only increasing matching speed but also breaking the upper limit of face data capacity.此外，最大的优势，这个系统不仅是提高匹配速度，而且打破了面对数据的能力上限。 Consequently, the face data capability of this system can be extended to

6、arbitrary figure as bigger as possible.因此，在这个系统里面部数据的容量可以推广到足够大的数字。关键字：分布式并行系统，分布式数据库，面部识别，并行虚拟计算机1 引言计算机的版本，面部的特征以及以计算机为基础的自动面部识别作为具有挑战性任务将近研究了三十年。在这个阶段里，我们获得了许多重要有意义的结果见参考文献1-3。并且面部识别的系统已经在实际和一些间接应用中。比如，安全性系统，犯罪分子的确认，可视电话，以及医疗等领域。就我们所知道的，一个完整的面部识别系统应该包括两个阶段：第一阶段为寻找本地面孔，这的比较困难和复杂的，因为在众多数据中不知道它的位置，方

7、向，特点。第二步就是区分和识别面部图象通过上一步所获得的数据。这两步都需要大量的计算，特别是在大型的面部数据库里面（比如：超过一百万）参考文献4。并且我们注意到了在过去关于面部识别的研究中，我们涉及到的是算法的局限性和在一些标准数据库上的执行，比如：FERET,ORL,Yale等等。但实际上的面部识别系统却很少。这篇论文我们将讨论一贯实际的面部识别的分布式并行系统。由于在匹配和识别过程中大量数据的计算以及庞大的数据库（超过一百万），一个资源有限的计算机根本不能完成，所以我们将引进并行计算。目前，主要存在这四种并行计算机系统见参考文献4。第一个是MVP，它将这些问题转化为对向量的操作。第二个是S

8、MP，它通过共享存储来得到每个进程。但是它对MVP的扩展性不好，因为多进程将占满所有的存储空间导致效率下降。第三是MMP，每个进程都有自己的存储空间，所以这个系统能达到一个很高的处理效率。第四个是计算机机群，这会使大量独立的计算机（或者是工作站）通过网络连接从而构成一个大的系统。并且这个系统的结构是并行的，分布式的。它有以下一些优点：（1）开发周期短。硬，软件平台是圆满才计算机操作系统，所以研究过程将重点放到通信和并行程序。（2）以较低的成本来共享大型机或者MMP。（3）通过计算机网络来完成良好的扩展性。由于上述计算机机群的优点，一个特殊的机群系统将被应用到面部识别的系统中以提高匹配的速度。机

9、群的结构和原则用下图来说明。2. 机群结构这个机群包括一个主服务器，四个从服务器以及一些客户端。主，从服务器，客户端通过100M的网络交换机相连接，见图1。具体连接见图1a，图1b，图1c。3. 技术重点这个系统中有五个技术重点，它们是：分布式数据库，并行虚拟机，缓冲及通信同步，多线程控制流。（1） 分布式数据库 这个系统里的面部数据库很大，超过了一百万个面部。单个的计算机受到操作和硬件资源的限制不可能完成对数据库内容的查询。单个计算机有两个问题：首先，是查询的速度；另外，就是数据库的容量。有两个措施可以解决这些问题，一是采用高性能的计算机，比如：工作站，大型机；二是利用网络通过PC机建立分布

10、式系统。我们采用后面的这种方法因为这个系统有很高的性价比和扩展性。基于分布式系统信息的传递有一个通信瓶颈。为了降低通信消费，主要的面部数据库被分为五个子数据库。所以仅当面部特征数据被查询时，主，从服务器要转换，主服务器与客户端因为要转换。我们将分裂的过程定义如下：MFDB=SFDB(i) SFDB（i）属于MFDB，其中i=1，2n （1）MFDB代表主面部数据库，SFDB是子数据库，且SFDB（i）表示第i个子数据库。见图2（2） 并行虚拟机在面部识别系统里的这些PC机群形成了一个并行虚拟机。有单一的主机和多从机的结构。通过主机来建立并行虚拟机和并行虚拟表。并行虚拟机的逻辑结构见图3并行虚拟

11、表也就是一个连接表，主节点装着面部特征数据库和文件信息数据库。从节点装着名称，IP，SUB-FACE数据库。连接表的结构显示可以无限的添加从节点并且能方便的删除从节点，仅仅移动节点的指针就行了。图4显示了删除一个节点的过程。（3） 通信同步与缓冲主，从以及主服务器与客户端的通信是通过TCP套接字实现的。见图5。从客户端查询的结果通过主的第一部分接受，并存放在主的查询缓冲区。查询缓冲区能存储大量的客户查询结果，然后 查心的结果发送给每一个从机，并保存在从的查询缓冲里，当然，主，从的查询缓冲的结构是相同的。在这之后，主，从开始在各自的面部数据库里同步的进行面部的匹配和识别。当匹配完成后，从询的结果

12、发送到主的第二部分并保存到主的结果缓冲中，然后主综合结果并发送给各从机。同步通信见图6。在初始化结束后，主的H-Receive1和从的S-Receive1处于同步状态，并处于等待客户端的查询条件。当客户端通过C-Send发送查询条件时，主被从状态H-Receive1激活，但从仍然处于先前的同步状态。然后，查询条件通过H-Send1发送到客户端，才将它激活。此后开始匹配和识别。匹配过程完成够，主的H-Receive2等待接收从的查询结果，从将通过S-Send发送查询结果然后在变为状态S-Receive2同步状态。（4） 多线程控制流多线程控制流的优点为：（1）建立一个线程在已存在的进程里，这样比

13、从新建立一个新的进程花的时间要少。（2）很容易停止一个线程或该变两个线程并且花的时间也要少。（3）多线程能提高通信的效率。见图7说明线程和进程的关系和区别4执行对面部识别的并行分布式系统这个系统是通过网络使各个PC机相连接的。所以各个PC机在执行的过程中都是对系统速度有影响的。最重要的硬件因素如下：CPU，存储空间，硬盘的转速。表1显示了上面各个硬件因素与识别速度的关系。另一方面影响的因素就是数据库的大小，表2显示了识别系统的速度与机群中PC机的台数的关系。5总结通过对这个系统的研究，实验的结果证明了该系统的有效性。采用这个系统，对面部的识别的速度将大大的提高，并且计算的效率也要提高4倍。并且，这个并行的分布式系统是无限可扩展的。