并行計算框架下人車分類算法研究與優(yōu)化.pdf

1、隨著視頻監(jiān)控大數(shù)據(jù)時代的到來，高效準(zhǔn)確的從這些海量視頻數(shù)據(jù)中提取人和車輛等信息具有重要意義，人車分類算法和并行化處理技術(shù)能夠?qū)崿F(xiàn)這一目標(biāo)。本文主要討論并行化計算框架下人車分類算法研究與優(yōu)化，主要貢獻(xiàn)包括如下：
　　(1)在人車分類中，針對復(fù)雜場景下前景目標(biāo)的提取，提出了一種改進(jìn)的基于混合高斯背景建模的自適應(yīng)前景目標(biāo)提取方法。通過對混合高斯分布的自適應(yīng)學(xué)習(xí)和在線EM(期望最大化)算法獲得高斯背景模型的最優(yōu)參數(shù)組合。通過對比實驗表明，

2、該方法在復(fù)雜環(huán)境下能準(zhǔn)確提取前景目標(biāo)。
　　(2)對于人車目標(biāo)檢測識別部分，針對傳統(tǒng)基于HOG算子結(jié)合SVM分類器實現(xiàn)固定滑窗檢測目標(biāo)會造成過小目標(biāo)的漏檢、過大目標(biāo)的誤檢的問題，提出了一種多級別可控滑窗的人車目標(biāo)識別方法。通過設(shè)置不同級別的滑窗尺寸及對應(yīng)的SVM分類器，進(jìn)而匹配不同大小的前景 ROI區(qū)域?qū)崿F(xiàn)識別。實驗證明該方法能有效的減少目標(biāo)漏檢誤檢，從而提高了目標(biāo)識別的魯棒性。
　　(3)針對海量視頻離線批處理的場景，設(shè)計

3、實現(xiàn)了一種離線的海量視頻數(shù)據(jù)批處理并行計算框架：V-Hadoop。V-hadoop主要依托Hadoop平臺數(shù)據(jù)并行處理框架的優(yōu)勢，自定義設(shè)計了針對視頻圖像數(shù)據(jù)處理的數(shù)據(jù)類型和相關(guān)組件，并通過一種優(yōu)化的高效的內(nèi)存共享機(jī)制，將人車分類算法融入 V-Hadoop，實現(xiàn)了算法與高性能并行計算資源有效融合。通過實驗結(jié)果證明，該框架可以實現(xiàn)海量監(jiān)控視頻下人車分類算法的高效處理。
　　(4)針對 V-Hadoop離線海量視頻批處理云平臺無法滿足