基于Hadoop的分布式視頻大數(shù)據(jù)前景檢測(cè)與運(yùn)動(dòng)跟蹤方法研究.pdf

1、隨著國(guó)內(nèi)安全監(jiān)控系統(tǒng)的不斷發(fā)展和監(jiān)控?cái)z像頭的數(shù)量與質(zhì)量的增加,監(jiān)控視頻的數(shù)據(jù)量與日俱增。然而,海量的監(jiān)控視頻數(shù)據(jù)已經(jīng)遠(yuǎn)遠(yuǎn)超出了單臺(tái)計(jì)算機(jī)的處理能力,不能滿(mǎn)足日益增長(zhǎng)的智能視頻分析需求。因此,通過(guò)分布式計(jì)算來(lái)進(jìn)行海量監(jiān)控視頻的分析處理,對(duì)于充分挖掘視頻中的有效信息,提高分析性能,具有十分重要的意義。
　　本文基于開(kāi)源分布式平臺(tái)Hadoop,針對(duì)在Hadoop上進(jìn)行分布式視頻解碼、前景檢測(cè)和運(yùn)動(dòng)跟蹤存在的問(wèn)題,提出一個(gè)將已有C/C++

2、智能視頻算法移植到Hadoop平臺(tái)的方案,并解決其中牽涉到的視頻分割,算法模型共享等問(wèn)題。
　　本文完成的主要工作如下:
　?、籴槍?duì)視頻數(shù)據(jù)的特殊性,擴(kuò)展Hadoop平臺(tái)以使其支持分布式視頻解碼。
　?、谕ㄟ^(guò)擴(kuò)展算法的接口和共享算法的臨時(shí)數(shù)據(jù)模型,使已有的單機(jī)智能視頻算法更符合Map/Reduce計(jì)算模型,便于將其移植到分布式平臺(tái)上。
　?、蹫榱颂岣咚惴ùa的可移植性和可重用性,研究Java與C/C++之間數(shù)據(jù)交