耦合分布式计算平台为大规模的计算问题提供了一个可靠的分布式计算平台,该平台目前可以理想地进行高速列车仿真相关的计算任务。随着对平台研究的深入,提高耦合分布式计算平台的计算性能和通用性成为下一步需要考虑的问题。本文以耦合分布式计算平台为研究背景,分析了该平台的不足以及将其用于汽车4S店集客二次识别应用中存在的问题。目前,该计算平台还存在着耦合器子系统在负载较高时性能不佳且运行模式单一以及缺乏完善的编程开发接口等缺陷。针对以上问题,本文主要对原有的耦合器子系统进行了完善,采用了基于线程池的并发通信模型,提升了耦合器在高负载情况下的工作性能,减少了计算过程中出现的数据丢包次数,加快了计算任务的计算速度;对耦合器的功能进行了改进,增加了计算任务的运行模式,进一步提升了计算平台的通用性;开发了一套完善的用户接口程序,屏蔽了平台内部数据交互的细节,简化了用户开发的流程。最后根据汽车4S店的需求,设计并且实现了一套集客二次识别系统,该系统内的多个计算节点能够并行地运行在该计算平台上,可以同时对多家汽车4S店入店的顾客进行人脸识别,并且返回顾客的识别结果以及入店记录信息。本文首先介绍了本课题的研究背景和意义、分析了当前国内外研究现状,其次讨论了现有的汽车4S店集客二次识别系统的优缺点,并且针对当前汽车4S店的应用需求进行了需求分析;紧接着讨论了将该计算平台用于汽车4S店集客二次识别过程中可能出现的问题,并且提出了改进的方法;然后具体介绍了计算平台改进的过程以及集客二次识别系统的总体设计与具体实现;最后对改进后的计算平台以及集客二次识别系统进行了性能测试和功能测试,验证了该计算平台改进的效果,并且总结了当前已经完成的工作,分析了平台仍然存在的问题以及下一步研究的工作。