《面向人臉檢測的大規模異構並行Adaboost機器學習算法研究》是依託中國人民解放軍國防科技大學，由曾坤擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向人臉檢測的大規模異構並行Adaboost機器學習算法研究
- 項目類別：青年科學基金項目
- 項目負責人：曾坤
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
本項目以人臉檢測為套用背景，將Adaboost機器學習算法針對大規模異構並行系統進行並行化。經過對Adaboost機器學習算法的深入分析，本項目擬從四個粒度開發Adaboost機器學習算法的並行性，從而與大規模異構並行計算系統豐富的並行計算資源相匹配。通過研究支持閉環反饋的動態任務劃分算法、異構並行Adaboost算法實時性能監測技術以及異構並行Adaboost算法性能分析模型，不斷對異構並行Adaboost算法進行最佳化，充分利用大規模異構並行計算系統強大的計算能力加速Adaboost機器學習過程。
結題摘要
本課題圍繞人臉檢測這一套用場景展開，主要針對人臉檢測中常用的Adaboost機器學習算法的並行化展開研究。 針對Adaboost機器學習算法不同層次不同粒度的並行性，研發適用於大規模異構並行系統的並行Adaboost機器學習算法。本課題針對大規模異構並行系統的並行Adabosot機器學習算法展開了細緻深入的研究工作，通過帶負反饋的動態負載均衡、樹形訓練結果收集、細粒度樣本劃分等技術使得該並行算法獲得了接近線性的擴展性。實驗表明該並行Adaboost機器學習算法能夠在一個64節點的異構並行系統上獲得53倍的加速比。 以並行Adaboost機器學習算法訓練得來的分類器為基礎，本課題研發了高速準確的實時人臉檢測算法。該算法採用課題組原創的複合Haar特徵分類器，能夠在強背光、側光等惡劣光照條件下實現良好的人臉檢測效果。同時，本課題研發了基於高速特徵點匹配的人臉跟蹤算法，配合人臉檢測，能夠針對實時視頻流實現高質量的人臉檢測跟蹤。 本課題以本地銀行的ATM廳為實驗環境，在真實場景中對課題的研究成果進行了實地測試，獲得了良好的效果。實踐證明，本課題的成果具有良好的適應性，在安防等領域具備廣闊的套用前景。
