基于网格计算技术的大规模人脸数据库人脸识别方法技术

本发明专利技术是一种基于网格计算技术的大规模人脸数据库人脸识别方法，属于网格计算和模式识别领域。该方法借鉴数据网格的分布处理策略，构建了一个分层树形结构的人脸识别网格框架，由最高层、中间层和最低层三层构成。最高层实现人脸识别任务接收和任务分解，中间层实现大规模人脸数据库划分及子任务分解，最低层调用计算资源进行人脸识别。为了提高人脸识别的精度，本方法在最低层采用了多算法融合的人脸识别策略。本发明专利技术方法为大规模人脸数据库的人脸识别问题提供了一种新的解决方法，可以有效地解决大规模人脸数据库人脸识别计算耗时的问题，同时多算法融合可很好地克服姿态、光照、表情、饰物、背景、时间跨度等因素对人脸识别的影响。

【技术实现步骤摘要】

本专利技术属于网格计算和模式识别
，具体涉及一种基于网格计算技术的大规模人 脸数据库人脸识别方法。#*餘人脸识别的研究工作自20世纪60年代开始以来，经历了近半个世纪的发展，已经成为 图像分析和理解领域最热门的研究内容之一。特别是20世纪90年代以来，人脸识别技术得 到了迅猛的发展，大量高性能识别算法的出现为其在实际中的应用作了充分的准备；进入21 世纪，人脸识别技术开始从实验室的原型系统走向了商用。然而，到目前为止，人脸识别技 术在实际应用中仍然面临着极大的挑战(l)人脸图像中姿态、光照、表情、饰物、背景、 时间跨度等因素的变化对人脸识别算法的鲁棒性有着负面的影响，利用单一的识别算法获得 的识别结果不够准确，往往需要进行多算法的融合；(2)集中在一台或者几台计算机上对大 规模人脸数据库进行人脸识别，其识别过程是非常耗时的。这两方面的原因，极大地限制了 人脸识别技术的广泛应用。大规模人脸数据库一般是指数据库中人脸图像的数量非常庞大，可能含有几百万或几千 万幅人脸图像甚至更多，如中国公安部门.采集并建立的居民身份证数据库的图像数据就是非 常庞大的，其中包含的人脸图像至少上亿幅。若根据一般模式识别的思路，直接在如此庞大 的人脸数据库上进行人脸建模与识别，计算量非常巨大。假设数据库中含有l亿幅人脸图像， 若对每幅人脸进行建模和匹配历时10毫秒，则完成一次人脸识别需要.106秒(约11天)的 时间。另外，为了获得更准确的人脸识别结果，往往需要融合多种人脸识别算法，这将使人 脸识别的时间成倍增长，根本无法满足人脸识别在实际应用中的需求。网格计算技术的出现，为进行大规模人脸数据库的人脸识别提供了条件。网格计算是伴 随着互联网技术而迅速发展起来的，专门针对复杂科学计算的新型计算模式。网格技术通过 互联网或专用网络将地理上广泛分布的、异构的、动态的资源互联起来，实现资源高度共享 与集成，为用户提供高性能的计算、管理和服务等功能。利用网格的资源互联和资源高度共 享与集成的特点，可以将大规模人脸数据库的分类数据分散地存储于不同地点的物理存储介 质上，很好地解决大规模人脸数据库的存储问题；同时，网格的髙性能计算功能，为实现多 种识别算法融合，进行快速、精确的人脸识别提供了新的途径。
技术实现思路
本专利技术的目的是提出 一种，利用网 格计算技术解决大规模人脸数据库人脸识别中计算耗时，以及由于姿态、光照、表情、饰物、 背景、时间跨度等因素的变化而使识别精度降低等问题。本专利技术是一种，它是按照一定的分 类准则对大规模人脸数据库进行划分，将其划分为一系列中小型人脸数据库，分别存储到网格计算机系统的各计算机中心；利用数据网格的分布处理策略，构成一个分层树形结构的人 脸识别网格，进行人脸识别，通过融合多种人脸识别算法，提高人脸识别的准确率。本方法提出的分层树形结构的人脸识别网格由三层结构构成，包括最高层、中间层和最 低层。最高层由网格门户和任务管理中心组成，网格门户用于接收人脸识别任务，任务管理 中心负责任务分解；中间层由子任务管理中心和数据管理中心组成，子任务管理中心负责子 任务的分解，数据管理中心负责数据的管理和传送；最低层由计算中心、物理数据缓存和计 算节点组成，计算中心用于计算资源和数据资源的管理，物理数据缓存用于临时存放人脸图 像数据，计算节点则用于进行人脸识别计算。该包括以下步骤(1 )最高层的网格门户接收到用户提交的人脸识别任务(包括待识别的人脸图像、性别、 年龄段等信息)时，任务管理中心利用专利(中国专利文献公开号CN1529278，名称基 于多类别的人脸识别方法)中提出的人脸分类方法，根据人脸图像的几何特征将人脸识别任 务分解到中间层的各子任务管理中心；(2) 中间层的子任务管理中心进一步根据所属地区、性别、年龄等信息将人脸识别任务 分解到最低层的计算中心，同时，数据管理中心根据大规模人脸数据库的划分准则产生符合 条件的中小型人脸数据库，并将数据发送到最低层的物理数据缓存；(3) 最低层计算中心将不同的人脸识别算法分配到网格中可用的计算节点上进行计算；(4) 最低层的各计算节点将计算结果返回给计算中心，由计算中心对识别结果进行融合，得出最终识别结果并返回给用户。该方法的特点是大规模人脸数据库被划分为中、小型人脸数据库后，通过网格的任务 管理技术将人脸识别任务分配到每个最低层的计算节点上，并在每个最低层计算节点上独立 运行；在进行人脸识别匹配时，各最低层计算节点无需访问整个大规模人脸数据库，仅访问 存储于物理数据缓存的中型或小型数据库即可，大大节省了计算时间。另外，在最低层计算 中心对多种人脸识别算法进行了融合，可以有效解决光照、姿态、表情、饰物、背景、时间跨度等因素的变化而使识别精度降低的问题，提高人脸识别精度。 附图说明图l:分层树形结构的人脸识别网格示意图 图2:基于网格计算技术的人脸识别流程图 图3:多算法融合人脸识别框图具体实施例方式本专利技术提出一种，现结合附图，以 大规模的中国人人脸数据库为例，详细说明其实施方式如图l所示，为本专利技术提出的分层树形结构的人脸识别网格。该人脸识别网格包括最高 层、中间层和最低层三层。其中，最高层由网格门户和任务管理中心组成；中间层由按照中 国行政区划共分为东北地区、华北地区、华东地区、中南地区、西北地区、西南地区和港澳 台地区共七大区域的七个子任务管理中心和数据管理中心组成；最低层由计算中心、物理数 据缓存和计算节点组成。大规模人脸数据库是由中间层的数据管理中心按照所属地区、年龄段、性别、人脸的几 何特征等实时地、动态地划分为一系列的中、小型数据库并发送到最低层的物理数据缓存中 暂存起来，供人脸识别使用。.结合图2所示，为本专利技术方法的人脸识别流程图，首先用户将待识别的人脸图像及与其 有关的信息以任务的形式提交给图1所示的人脸识别网格，网格对所提交的任务进行逐级分 解到最低层的计算中心和计算节点上，计算中心通过融合各计算节点上的多种算法的识别结 果即可获得最终的识别结果。具体实施过程如下1. 网格最高层任务的接收与分解用户通过客户端计算机向人脸识别网格提交人脸识别任务，包括待识别的人脸風像以及 和该人脸图像相关的已知信息，如年龄段、性别等。网格门户将用户提交的任务转化为XML 文件并将任务提交给任务管理中心，由任务管理中心的计算机按照专利(中国专利文献公开 号CN1529278，名称基于多类别的人脸识别方法)中提出的人脸分类方法，根据人脸图 像的几何特征将任务分解到各大行政区域的子任务管理中心.2. 网格中间层子任务的分解与大规模人脸数据库的划分子任务管理中心接收到人脸识别任务时，首先通知数据管理中心按照行政区域及识别任务中包含的已知信息从大规模人脸数据库中划分出一系列的中小型人脸数据库，如在西南 地区的子任务管理中心，可以按照年龄段从大规模数据库中划分出十六岁至十八岁、十八岁至二十岁、二十岁至三十岁.......中小型数据库，并将划分好的人脸数据库发送到最低层的物理数据缓存，以备使用；然后子任务管理中心根据最低层的各计算中心资源的利用情况将识别任务分配到各计算中心l-iv。3.网格最低层多种算法识别与识别结果融合网格最低层计算中心l-W接收到识别任务后，调用网格中可本文档来自技高网...

【技术保护点】
一种基于网格计算技术的大规模人脸数据库人脸识别方法，其特征在于是利用数据网格的分布处理策略，构成一个分层树形结构的人脸识别网格：首先用户将待识别的人脸图像及与其有关的信息以任务的形式提交给人脸识别网格，网格对所提交的任务进行逐级分解到最低层的计算中心和计算节点上，并根据大规模人脸数据库的划分准则产生符合条件的中小型人脸数据库，计算中心通过融合各计算节点上的多种算法的识别结果即可获得最终的识别结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：龚卫国，杨利平，李伟红，张迪，黄宜民，肖虹，李正浩，辜小花，
申请(专利权)人：重庆大学，重庆建设工业有限责任公司，
类型：发明
国别省市：85[中国|重庆]