随着人类社会的视频数据量爆炸性增长, 目前针对海量视频数据的人脸识别存在效率低和准确率低等问题, 并行计算是海量视频数据中高效进行人脸识别处理的可选途径之一. 本项目面向海量视频数据中人脸分析与识别全过程的并行化实现, 研究人脸目标检测和跟踪、基于稀疏表示的人脸特征提取与识别算法, 以显著提高海量视频数据中的人脸识别效率. 研究内容为面向海量视频数据的: (1)基于小容量字典学习的人脸分类算法及其并行计算; (2)基于流形的视频人脸描述模型建立; (3)人脸目标检测的并行AdaBoost算法; (4)基于MeanShift算法和Kalman滤波器的人脸目标跟踪算法; (5)基于异构体系架构下的并行分块PCA人脸特征提取算法. 本项目的研究将不仅为人脸识别算法的设计提供新的思路, 而且为人脸识别并行应用效率的提高和为大规模人群背景下的人脸分析与识别的实际应用奠定基础.
