并行計(jì)算框架下人車(chē)分類(lèi)算法研究與優(yōu)化.pdf

1、隨著視頻監(jiān)控大數(shù)據(jù)時(shí)代的到來(lái)，高效準(zhǔn)確的從這些海量視頻數(shù)據(jù)中提取人和車(chē)輛等信息具有重要意義，人車(chē)分類(lèi)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(jì)算框架下人車(chē)分類(lèi)算法研究與優(yōu)化，主要貢獻(xiàn)包括如下：
　　(1)在人車(chē)分類(lèi)中，針對(duì)復(fù)雜場(chǎng)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(guò)對(duì)混合高斯分布的自適應(yīng)學(xué)習(xí)和在線(xiàn)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(guò)對(duì)比實(shí)驗(yàn)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(duì)于人車(chē)目標(biāo)檢測(cè)識(shí)別部分，針對(duì)傳統(tǒng)基于HOG算子結(jié)合SVM分類(lèi)器實(shí)現(xiàn)固定滑窗檢測(cè)目標(biāo)會(huì)造成過(guò)小目標(biāo)的漏檢、過(guò)大目標(biāo)的誤檢的問(wèn)題，提出了一種多級(jí)別可控滑窗的人車(chē)目標(biāo)識(shí)別方法。通過(guò)設(shè)置不同級(jí)別的滑窗尺寸及對(duì)應(yīng)的SVM分類(lèi)器，進(jìn)而匹配不同大小的前景 ROI區(qū)域?qū)崿F(xiàn)識(shí)別。實(shí)驗(yàn)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(shí)別的魯棒性。
　　(3)針對(duì)海量視頻離線(xiàn)批處理的場(chǎng)景，設(shè)計(jì)

3、實(shí)現(xiàn)了一種離線(xiàn)的海量視頻數(shù)據(jù)批處理并行計(jì)算框架：V-Hadoop。V-hadoop主要依托Hadoop平臺(tái)數(shù)據(jù)并行處理框架的優(yōu)勢(shì)，自定義設(shè)計(jì)了針對(duì)視頻圖像數(shù)據(jù)處理的數(shù)據(jù)類(lèi)型和相關(guān)組件，并通過(guò)一種優(yōu)化的高效的內(nèi)存共享機(jī)制，將人車(chē)分類(lèi)算法融入 V-Hadoop，實(shí)現(xiàn)了算法與高性能并行計(jì)算資源有效融合。通過(guò)實(shí)驗(yàn)結(jié)果證明，該框架可以實(shí)現(xiàn)海量監(jiān)控視頻下人車(chē)分類(lèi)算法的高效處理。
　　(4)針對(duì) V-Hadoop離線(xiàn)海量視頻批處理云平臺(tái)無(wú)法滿(mǎn)足