海量视频数据中基于异构并行系统的人脸识别技术结题摘要

本项目属于人脸识别领域，针对基于海量视频中人脸识别的高性能并行计算，探索性地研究异构体系架构下的人脸识别并行化方式，研究内容已经按计划完成。 项目组针对研究目标，采用加权稀疏表示方法建立了面向海量视频数据中的并行人脸识别计算模型，利用异构体系架构下的并行分块进行PCA人脸特征提取，基于KSVD的稀疏表示字典学习算法的并行计算方法，缩短了人脸识别的计算时间；同时建立多核异构并行系统的人脸识别实验平台，设计了适合典型高性能计算应用的并行人脸识别软件系统原型。相关研究成果正在寻求推广应用，已经与合作单位进行应用项目的开发。 本项目共发表论文9篇，其中7篇为 SCI收录论文，2篇进入EI检索。申请专利10项，申请软件著作权4项。培养博士3人，硕士12人。 2100433B

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.

2016年01月13日，海淀区房管局副局长孙怀强在海淀区十五届人大第六次会议上透露，海淀区将引入社会资本，计划在区内各小区外安装“人脸识别闸机”。

广东省内广州南站、深圳北站、佛山西站等以动车组为主的火车站已经启用了人脸识别闸机进站。为方便旅客进站，2018年春运，广州火车站在进站口增加76台人脸识别闸机。在旅客进站时，会看到两种进站闸机，人脸识别闸机两侧有明显的橘色标志。在人脸识别闸机进站时，旅客需要将身份证置于车票下、车票正面朝上，注意车票二维码方向需朝前放置，将车票和身份证一起放入检票口。此后抬头注视摄像头，如戴眼镜，建议摘下。大概3秒后可验证完毕进站。

北京地铁自主研发的新闸机，添加了人脸识别屏幕和掌静脉扫描区。工作人员说，掌静脉扫描可以提高辨识度，为“人脸刷卡”提高精准度，避免误刷。同时，这款门式闸机兼具了简单的安检功能，没有携带包裹的乘客可以直接刷卡进站。

这款闸机的“视力”水平也提高了，顶置双目传感器可以更好地识别行李箱和乘客，避免“误伤”。工作人员介绍，它还可以更精准地通过图像计算出乘客身高，还不到购票身高的小乘客乘车过闸机不用再担心被“误伤”。未来，新闸机将在既有线路进行推广，目前已经在机场线T2站等进行内测。

本书基于视频的行人步态识别，从行人步态和人脸融合识别两大方面对大空间建筑急速发展背景下的智能视频监控技术作了深入的阐述。本书重点介绍了步态识别的国内外研究现状、基于步态的性别识别、基于步态的年龄分类、单视角步态身份识别、多视角步态身份识别、步态视角估计、步态与人脸的融合等技术，对智能视频监控的技术发展具有很强的前瞻性参考价值。本书可作为计算机、自动化等专业的本科生、研究生及相关工作人员的参考用书。