欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種基于分布式檢測(cè)技術(shù)的視頻監(jiān)控方法與流程

文檔序號(hào):11930833閱讀:252來(lái)源:國(guó)知局
一種基于分布式檢測(cè)技術(shù)的視頻監(jiān)控方法與流程

本發(fā)明涉及計(jì)算機(jī)程序領(lǐng)域,尤其涉及的是一種基于分布式檢測(cè)技術(shù)的視頻監(jiān)控方法。



背景技術(shù):

現(xiàn)有技術(shù)中,隨著計(jì)算機(jī)視覺(jué)、多媒體技術(shù)、網(wǎng)絡(luò)技術(shù)的發(fā)展,視頻監(jiān)控系統(tǒng)已經(jīng)在我們的生活中隨處可見(jiàn),但隨著大數(shù)據(jù)時(shí)代的到來(lái),對(duì)于海量的視頻數(shù)據(jù),如何提高處理速度的同時(shí),又能降低成本,并提高實(shí)時(shí)性是視頻監(jiān)控的一個(gè)關(guān)鍵點(diǎn)和難點(diǎn)。

現(xiàn)有視頻監(jiān)控技術(shù)中,對(duì)于海量視頻,解決視頻處理速度的常用方法是通過(guò)GPU加速實(shí)現(xiàn),通過(guò)GPU的眾核架構(gòu)把同樣的指令流并行發(fā)送到眾核上,從而實(shí)現(xiàn)算法的并行化處理。

GPU加速確實(shí)能夠通過(guò)算法并行化提高處理速度,但存在成本高,開(kāi)發(fā)難度大,周期長(zhǎng)的問(wèn)題。

因此,現(xiàn)有技術(shù)存在缺陷,需要改進(jìn)。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明所要解決的技術(shù)問(wèn)題是:提供一種通過(guò)引入大數(shù)據(jù)分布式集群技術(shù),將視頻監(jiān)控與大數(shù)據(jù)集群相結(jié)合,利用大數(shù)據(jù)集群的分布式存儲(chǔ)和分布式計(jì)算能力,有效提高視頻監(jiān)控的處理速度,同時(shí),也降低了硬件成本,開(kāi)發(fā)難度和周期也縮小。

本發(fā)明的技術(shù)方案如下:一種基于分布式檢測(cè)技術(shù)的視頻監(jiān)控方法,包括如下步驟:S1:獲取視頻監(jiān)控?cái)?shù)據(jù),對(duì)視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行背景建模;S2:基于數(shù)據(jù)的并行化處理,其中,將背景建模的視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行視頻分割,將視頻分割成若干片段;S3:對(duì)分割后的片段進(jìn)行分布式存儲(chǔ),其中,將各片段存儲(chǔ)在分布式文件系統(tǒng)HDFS系統(tǒng)上;S4:基于算法的并行化處理,其中,采用多個(gè)算法模型對(duì)分割的各片段進(jìn)行分別計(jì)算處理;S5:輸出計(jì)算處理后的視頻監(jiān)控?cái)?shù)據(jù);S6:返回步驟S1。

應(yīng)用于上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S4中,采用的算法模型包括OpenCV視覺(jué)處理庫(kù)計(jì)算模型、Map/Rdecue計(jì)分布式算模型、Spark計(jì)算模型、Storm實(shí)時(shí)處理計(jì)算模型和Spark MLlib內(nèi)存計(jì)算計(jì)算模型。

應(yīng)用于各個(gè)上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S4中,對(duì)分割的各片段進(jìn)行分別計(jì)算處理時(shí),包括運(yùn)動(dòng)檢測(cè)計(jì)算處理、目標(biāo)軌跡跟蹤計(jì)算處理、目標(biāo)分類計(jì)算處理、以及行為與預(yù)測(cè)計(jì)算處理。

應(yīng)用于各個(gè)上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S4中,對(duì)分割的各片段進(jìn)行分別計(jì)算處理時(shí),還包括身份識(shí)別計(jì)算處理。

應(yīng)用于各個(gè)上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S1中,在獲取視頻監(jiān)控?cái)?shù)據(jù)時(shí),具體是獲取多個(gè)監(jiān)控單目攝像頭的視頻監(jiān)控?cái)?shù)據(jù),并對(duì)各視頻監(jiān)控?cái)?shù)據(jù)分別進(jìn)行背景建模。

應(yīng)用于各個(gè)上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S4中,在進(jìn)行基于算法的并行化處理時(shí),還進(jìn)行多目攝像頭融合計(jì)算處理。

應(yīng)用于各個(gè)上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S4中,多目攝像頭融合計(jì)算處理包括多級(jí)攝像頭間視頻關(guān)聯(lián)檢索、多級(jí)攝像頭間遮擋處理、多級(jí)攝像頭間一致性處理。

應(yīng)用于各個(gè)上述技術(shù)方案,所述的視頻監(jiān)控方法中,步驟S1中,對(duì)視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行背景建模包括特征提取和關(guān)鍵幀提取。

采用上述方案,本發(fā)明通過(guò)將視頻處理技術(shù)與大數(shù)據(jù)集群融合,將視頻處理應(yīng)用在大數(shù)據(jù)分布式集群上,一方面降低了硬件成本,另一方面通過(guò)大數(shù)據(jù)分布式集群的數(shù)據(jù)挖掘能力與實(shí)時(shí)處理能力,提高了視頻處理的實(shí)時(shí)性和分析挖掘能力。

附圖說(shuō)明

圖1為本發(fā)明采用的系統(tǒng)框架示意圖;

圖2為本發(fā)明的一種實(shí)施流程圖。

具體實(shí)施方式

以下結(jié)合附圖和具體實(shí)施例,對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。

本實(shí)施例提供了一種基于分布式檢測(cè)技術(shù)的視頻監(jiān)控方法,本實(shí)施例所采用的主要系統(tǒng)框架見(jiàn)圖1。

其中,通過(guò)在大數(shù)據(jù)平臺(tái)集群,如服務(wù)器、存儲(chǔ)設(shè)備、基礎(chǔ)網(wǎng)絡(luò)等的基礎(chǔ)上,再配合視頻監(jiān)控所需的多目攝像頭、以及傳視頻輸網(wǎng)絡(luò)構(gòu)成了基礎(chǔ)設(shè)施層。

在基礎(chǔ)設(shè)施層之上,通過(guò)對(duì)視頻小文件優(yōu)化,視頻存儲(chǔ)處理以及視頻讀取處理,進(jìn)行視頻文件在大數(shù)據(jù)集群運(yùn)行的相關(guān)適配。

并行計(jì)算層是核心部分,其中,除了將常用的視覺(jué)庫(kù)OpenCV與Map/Rdecue分布式計(jì)算模型結(jié)合外,還會(huì)將視頻處理的算法擴(kuò)展到Spark計(jì)算模型、以及Storm計(jì)算模型,Spark的內(nèi)存計(jì)算計(jì)算模型,可以使算法迭代效率更高,Storm的流式處理模型,可以支持視頻的實(shí)時(shí)處理。

算法層則包含了視頻處理的核心算法,包括運(yùn)動(dòng)檢測(cè)、目標(biāo)跟蹤、目標(biāo)分類、行為分析與預(yù)測(cè)等。

應(yīng)用層則圍繞著新型智慧城市公共安全建設(shè)的需要,進(jìn)行人、物品的識(shí)別,以及對(duì)人群、交通進(jìn)行監(jiān)控等。

本發(fā)明的主要通過(guò)大數(shù)據(jù)集群的分布式存儲(chǔ)和分布式計(jì)算來(lái)實(shí)現(xiàn),具體見(jiàn)圖2。

分布式存儲(chǔ)主要是基于大數(shù)據(jù)集群,將視頻分割后,存儲(chǔ)到分布式文件系統(tǒng)HDFS系統(tǒng)上。

分布式計(jì)算,主要由兩部分組成:

第一部分是基于數(shù)據(jù)的并行化處理,在大數(shù)據(jù)平臺(tái)的基礎(chǔ)上,進(jìn)行視頻分割,形成多個(gè)視頻片段,讓不同的視頻片段在不同的集群節(jié)點(diǎn)上處理,是在空間上實(shí)現(xiàn)并行化;

第二部分是基于算法的并行化處理,通過(guò)大數(shù)據(jù)集群上運(yùn)行的并行化計(jì)算模型,實(shí)現(xiàn)算法的并行化,如Map/Reduce模型,Spark模型。并在在hadoop平臺(tái)通過(guò)Map/Reduce模型、Spark模型中調(diào)用OpenCL等視覺(jué)庫(kù),提高視頻處理速度。

視頻監(jiān)控的分析處理主要包括單目攝像頭的分析以及多目攝像頭融合處理兩個(gè)主要過(guò)程。

單目攝像頭分析主要解圍繞智能視頻識(shí)別的核心算法進(jìn)行,核心算法主要包括四部分:

第一部分是運(yùn)動(dòng)檢測(cè),目的是從序列圖像中將變化區(qū)域從悲劇圖像中提取出來(lái),運(yùn)動(dòng)區(qū)域的有效分割對(duì)于目標(biāo)分類、跟蹤和行為理解等后期處理作鋪墊;

第二部分是目標(biāo)軌跡跟蹤,等價(jià)于在連續(xù)的圖像幀間創(chuàng)建基于位置、速度、形狀、文理、色彩等有關(guān)特征的對(duì)應(yīng)匹配問(wèn)題,主要有基于特征的目標(biāo)軌跡跟蹤、基于模型的目標(biāo)軌跡跟蹤、基于區(qū)域的目標(biāo)軌跡跟蹤、基于主動(dòng)輪廓模型的目標(biāo)軌跡跟蹤以及基于預(yù)測(cè)的目標(biāo)軌跡跟蹤;

第三部分是目標(biāo)分類,識(shí)別運(yùn)動(dòng)目標(biāo)所述所屬的類別;

第四部分是行為分析與預(yù)測(cè),以及身份識(shí)別,其主要是針對(duì)人群的行為分析,主要包括人群屬性分析和人群行為分析。人群屬性分析一種是將人群分解為獨(dú)立的個(gè)體目標(biāo),通過(guò)檢測(cè)和分析各個(gè)獨(dú)立目標(biāo)的運(yùn)動(dòng)位置、移動(dòng)速度及其外觀屬性來(lái)例假人群行為,另一種是將人群目標(biāo)作為整體對(duì)象研究,通過(guò)計(jì)算人群目標(biāo)的密度和人群的平均運(yùn)動(dòng)速度來(lái)分析事件;人群行為分析根據(jù)人群的運(yùn)動(dòng)特征,進(jìn)行數(shù)學(xué)建模和事件推理。

多目攝像頭分析主要是解決單攝像頭視域有限,實(shí)際監(jiān)控場(chǎng)景中通過(guò)單攝像頭不可能長(zhǎng)時(shí)間大范圍地跟蹤運(yùn)動(dòng)目標(biāo),通常需要多個(gè)攝像頭進(jìn)行協(xié)同監(jiān)控。針對(duì)廣域監(jiān)控場(chǎng)景,為了實(shí)現(xiàn)多攝像頭見(jiàn)目標(biāo)的聯(lián)系跟蹤,研究基于不同重疊類型的多攝像頭之間的一致性匹配方法,實(shí)現(xiàn)多攝像頭之間穩(wěn)定的目標(biāo)連續(xù)跟蹤,為了減少遮擋的影響,研究多攝像頭之間的遮擋處理,實(shí)現(xiàn)多攝像頭的遮擋抵消處理方法,提高判定精確度。

已應(yīng)用于某市的新型智慧城市公安項(xiàng)目中,接入了公安的監(jiān)控視頻,處理過(guò)程見(jiàn)下:

視頻存儲(chǔ):視頻存儲(chǔ)在大數(shù)據(jù)集群HDFS中,HDFS分布式文件系統(tǒng)存儲(chǔ)視頻數(shù)據(jù)的優(yōu)勢(shì)有:HDFS適合流式的數(shù)據(jù)訪問(wèn)和“一次寫多次讀”的應(yīng)用,可以很好的滿足視頻的訪問(wèn)需求;在Yarn架構(gòu)下HDFS支持MapReduce、Spark等分布式計(jì)算模型,可以高效的對(duì)視頻數(shù)據(jù)進(jìn)行分布式處理。

視頻解析與讀?。阂曈X(jué)處理庫(kù)OpenCV對(duì)于視頻的解析主要提供2個(gè)接口:解析本地視頻文件和解析攝像頭的視頻流。但是沒(méi)有提供內(nèi)存中二進(jìn)制流的接口。所以對(duì)于HDFS上的二進(jìn)制流處理需要單獨(dú)處理,可以調(diào)用開(kāi)源的音視頻庫(kù)如FFmpeg來(lái)解決。

視頻監(jiān)控分析處理:將智能視頻分析的核心算法運(yùn)行在大數(shù)據(jù)分布式集群上,并實(shí)現(xiàn)了Map/Reduce分布式計(jì)算模型和Spark內(nèi)存計(jì)算模型與視覺(jué)處理庫(kù)OpenCV的交互處理。

本發(fā)明具有以下優(yōu)點(diǎn):

通過(guò)大數(shù)據(jù)集群的分布式處理,取代了GPU加速,降低了視頻監(jiān)控的硬件成本;

通過(guò)視覺(jué)處理庫(kù)與大數(shù)據(jù)Map/Reduce分布式計(jì)算模型和Spark內(nèi)存計(jì)算模型相結(jié)合,有效的降低了開(kāi)發(fā)難度,縮短開(kāi)發(fā)周期;

通過(guò)視覺(jué)處理庫(kù)與大數(shù)據(jù)Storm實(shí)時(shí)處理模型相結(jié)合,實(shí)現(xiàn)了視頻的近實(shí)時(shí)處理。

本發(fā)明已經(jīng)在某市公安視頻監(jiān)控系統(tǒng)應(yīng)用,通過(guò)大數(shù)據(jù)集群的橫向擴(kuò)展,可以輕松的實(shí)現(xiàn)擴(kuò)容,比傳統(tǒng)的GPU加速擴(kuò)展性更好。

以上僅為本發(fā)明的較佳實(shí)施例而已,并不用于限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
新宾| 正阳县| 德安县| 韶山市| 娄烦县| 随州市| 册亨县| 泰宁县| 襄垣县| 浦江县| 陵水| 二连浩特市| 田林县| 益阳市| 潮州市| 丰顺县| 廉江市| 津南区| 缙云县| 清流县| 隆化县| 翁源县| 万源市| 新营市| 岑巩县| 阜南县| 太仓市| 阆中市| 湘潭市| 遂川县| 略阳县| 河间市| 牟定县| 天全县| 赤城县| 湖南省| 巴彦县| 琼结县| 江都市| 五大连池市| 汕尾市|