基于代理的實(shí)時(shí)分布式人臉識(shí)別的性能優(yōu)化.pdf

1、目前，人臉識(shí)別系統(tǒng)已經(jīng)廣泛的應(yīng)用在各個(gè)領(lǐng)域中，隨著人臉識(shí)別系統(tǒng)需要處理的視頻規(guī)模逐漸增大，傳統(tǒng)的集中式人臉識(shí)別方法在時(shí)間效率和可擴(kuò)展性等方面已經(jīng)不能滿足需求。針對(duì)目前人臉識(shí)別系統(tǒng)無法同時(shí)處理多個(gè)視頻的問題，提出基于代理的實(shí)時(shí)分布式人臉識(shí)別模型，該模型由多個(gè)代理和一個(gè)服務(wù)器組成。代理能夠同時(shí)對(duì)多個(gè)視頻中的行人進(jìn)行檢測(cè)、跟蹤以及特征提取，服務(wù)器則對(duì)視頻中的行人執(zhí)行識(shí)別操作。該模型有效的提高了人臉識(shí)別的效率，并且增加了可擴(kuò)展性。
　　針

2、對(duì)代理處理的任務(wù)分布不均而導(dǎo)致處理視頻時(shí)間過長(zhǎng)、任務(wù)量過大引起的CPU利用率激增問題，設(shè)計(jì)了代理端的負(fù)載均衡來進(jìn)行性能優(yōu)化。針對(duì)負(fù)載均衡問題，分別提出了一種改進(jìn)的粒子群優(yōu)化算法和一種新型的遺傳算法。針對(duì)粒子群優(yōu)化算法的收斂性問題，引入收斂因子并去掉慣性權(quán)重，另外，為了保證算法得到最優(yōu)解增加了擾動(dòng)策略。針對(duì)傳統(tǒng)遺傳算法在種群多樣性方面以及迭代次數(shù)的問題，本文結(jié)合樣本的個(gè)數(shù)以及染色體的長(zhǎng)度提出了改進(jìn)的遺傳算法。通過大量的仿真實(shí)驗(yàn)，結(jié)果表明對(duì)

3、代理端的任務(wù)量進(jìn)行任務(wù)均衡后可以有效的提高處理視頻的時(shí)間，并且明顯降低了負(fù)擔(dān)較重的代理的CPU利用率。
　　另外，針對(duì)代理處理的任務(wù)量發(fā)生動(dòng)態(tài)變化而導(dǎo)致代理任務(wù)不均衡的問題，本文提出了動(dòng)態(tài)優(yōu)化分配方法來保持代理端的任務(wù)均衡。為了能夠確保每次動(dòng)態(tài)優(yōu)化分配的準(zhǔn)確性，本文提出了一種預(yù)測(cè)機(jī)制來預(yù)測(cè)某一時(shí)刻視頻中的行人個(gè)數(shù)，針對(duì)預(yù)測(cè)機(jī)制，使用極限學(xué)習(xí)機(jī)來預(yù)測(cè)視頻中行人的個(gè)數(shù)，根據(jù)預(yù)測(cè)數(shù)據(jù)進(jìn)行動(dòng)態(tài)優(yōu)化分配可以有效的減小在任務(wù)量發(fā)生突變時(shí)產(chǎn)生的