[发明专利]一种基于Hadoop的海量人脸图像的检索方法

说明书

技术领域

本发明属于计算机领域，具体涉及一种基于Hadoop的海量人脸图像的检索方法。 

背景技术

人脸识别技术具有广泛的研究和实用价值，已成为模式识别与计算机智能领域中的一个热门课题。许多的研究者都对人脸识别算法进行了深入的研究，而基于这些算法的人脸识别系统很多，但是这些系统都存在一个无法避免的问题：当系统数据库中含有海量的人脸数据时，它们的人脸识别速度不能令人接受。 

在传统的识别技术下，提高人脸识别速度主要采用两种方法：改进人脸识别算法和提高计算机配置，对于前者方法，改进一个人脸识别算法需要很长的时间，而且取得的效果并不好，随着人脸图像库的数据大量增加，算法的改变总不能适应新的变化；对于后者方法，需要的成本会随着图像库的数据量增加而增加，同时计算机配置总是有限制的，当图像数据量达到一定程度，计算机的配置不能无限制地增加，无法解决根本问题。 

所以，有必要提出一种新的技术方案，以解决在低配置硬件环境中的海量人脸图像的检索速度问题。 

发明内容

发明目的：针对现有技术存在的上述问题和不足，本发明的目的是提供一种基于Hadoop的海量人脸图像的检索方法，解决海量人脸图像识别速度慢的问题，实现在低配置的硬件环境中完成海量人脸图像的快速检索。 

技术方案：为解决上述技术问题，本发明采用如下技术方案：一种基于Hadoop的海量人脸图像的检索方法，其特征在于：具体包括如下步骤： 

步骤a：将海量人脸图像上传至Hadoop分布式文件系统HDFS，通过Hadoop的Mapreduce框架读取图像原始数据并存储在HBase中； 

步骤b：从HBase中读取原始图像数据，通过特征提取算法进行降维，把降维后的图像数据存储在HBase中； 

步骤c：通过Hadoop的Mapreduce框架从HBase中读取降维后的图像数据，对图像数据建立分布式搜索引擎Katta的索引，然后将Katta索引部署到Hadoop的集群环境中； 

步骤d：实现自定义评分的图像查询，在该查询中实现图像分类算法； 

步骤e：将待测人脸图像数据封装到自定义评分的图像查询中，通过分布式搜索引擎 Katta完成人脸图像检索。 

相对于现有技术，本发明具有如下有益效果： 

1、本发明将海量人脸图像数据存储在分布式数据库HBase中，为海量人脸图像数据的存储提供了一个可行的解决方案，缓解了传统方法中单机存储图像数据的压力。 

2、本发明基于Hadoop平台，将人脸识别任务分发到由低配置的计算机组成的集群环境中，通过分布式搜索引擎Katta对图像进行检索，既节约了系统运行成本，又提高了人脸识别的速度。 

附图说明

图1：方法整体过程的说明图 

图2：HBase存储结构图 

图3：PCA初始矩阵流程图 

图4：Hadoop的Mapreduce框架创建Katta索引的说明图 

具体实施方式

下面结合附图和实施例对本发明的技术做进一步的说明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读本发明之后，本领域技术人员对发明的各种等价形式的修改均落于本申请所得权利要求所限定的范围。 

如图1所示，本发明提供一种基于Hadoop的海量人脸图像的检索方法，具体包括如下步骤： 

步骤a：将海量人脸图像上传至Hadoop分布式文件系统HDFS，通过Hadoop的Mapreduce框架读取图像原始数据并存储在HBase中： 

a1：将海量人脸图像上传至HDFS，所有的人脸图像都分布式存储在Hadoop集群中的各个结点上； 

a2：实现自定义的图像输入格式，继承FileInputFormat类，在createRecordReader函数中实例化一个RecordReader对象，然后在RecordReader类中实现nextKeyValue函数，完成Mapreduce的输入key/value的赋值； 

a3：通过Hadoop的Mapreduce框架读取图像数据；