基于GPU的并行人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是模式識(shí)別和圖像處理領(lǐng)域最前沿的研究課題之一。由于其在司法、公安、安全等領(lǐng)域有著廣泛的應(yīng)用前景，近年來人臉識(shí)別受到了廣泛的關(guān)注。 另一方面，近年來圖形處理器(GPU)高速發(fā)展，提高了計(jì)算機(jī)圖形處理的速度，并促進(jìn)了與計(jì)算機(jī)圖形相關(guān)應(yīng)用領(lǐng)域的快速發(fā)展。與此同時(shí)，圖形處理器繪制流水線的高速度和并行性以及近年來發(fā)展起來的可編程功能為圖形處理以外的通用計(jì)算提供了良好的運(yùn)行平臺(tái)，這使得基于GPU的通用計(jì)算成為近兩三年來人們關(guān)注的一個(gè)

2、研究熱點(diǎn)。 在本文的人臉識(shí)別研究中，應(yīng)用了基于Gabor特征的二次分類方法。該方法中對(duì)于特征提取部分，采用的是Gabor小波特征；對(duì)于分類器部分，采用了結(jié)合仿生模式識(shí)別與糾錯(cuò)SVM的二次分類器。二次分類器將基于仿生模式識(shí)別理論的HENN方法與具有糾錯(cuò)能力的SVM方法結(jié)合起來，首先使用HENN進(jìn)行第一次分類得到中間結(jié)果，再將拒識(shí)、多識(shí)樣本放入具有糾錯(cuò)能力的SVM中進(jìn)行二次分類，達(dá)到了非常高的識(shí)別率。但是在Gabor特征提取、超橢球

3、神經(jīng)網(wǎng)絡(luò)(HENN)和支持向量機(jī)的訓(xùn)練上所花費(fèi)的時(shí)間比較長(zhǎng)，對(duì)于40個(gè)人的ORL人臉庫(kù)，整個(gè)人臉識(shí)別系統(tǒng)的訓(xùn)練時(shí)間在15分鐘左右，對(duì)更大型的人臉庫(kù)(如AR人臉庫(kù))時(shí)間長(zhǎng)達(dá)40分鐘左右。 針對(duì)二次分類法人臉識(shí)別系統(tǒng)需要大量的訓(xùn)練時(shí)間的不足，本文提出了一種基于GPU并行原理的算法，充分利用GPU并行計(jì)算的優(yōu)勢(shì)，分別在人臉Gabor特征，超橢球神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的訓(xùn)練檢驗(yàn)上對(duì)算法進(jìn)行了改進(jìn)，使之適合于GPU并行計(jì)算的優(yōu)點(diǎn)，將訓(xùn)練和識(shí)