[发明专利]基于Hadoop分布式视频大数据前景检测与运动跟踪方法

说明书

技术领域：

本发明涉及分布式视频技术领域，具体涉及一种基于Hadoop分布式视频大数据前景检测与运动跟踪方法。

背景技术：

分布式视频编码(Distributed Video Coding)基于Slepian-Wolf理论和Wyner-Ziv理论，对两个或多个独立同分布的信源进行独立编码，然后由单一解码器利用信源之间的相关性对所有编码的信源进行联合解码。它与传统的视频编码技术的区别在于：传统的技术标准通常都用于在编码端充分挖掘视频信号的冗余信息，因此编码复杂度一般是解码复杂度的5～10倍，适合于对视频信号一次编码、多次解码的场合(如视频广播、视频点播、视频光盘存储等)；而分布式视频编码具有编码器复杂度低、编码端耗电量低、容错性好等特点，适合于一些计算能力、内存容量、耗电量都受限的无线视频终端(如无线视频监控系统、视频传感器网络等)。

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。

Hadoop实现了一个分布式文件系统(Hadoop Distributed File System)，简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的(low-cost)硬件上；而且它提供高吞吐量(high throughput)来访问应用程序的数据，适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求，可以以流的形式访问(streaming access)文件系统中的数据。

Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。

随着国内安全监控系统的推广使用，监控录像的数据量越来越大，这使得用户从中获取需要的数据变得异常困难，例如，用户需要监控某个区域是否有物品遗失，他需要通过监控录像查询到物品遗失的具体时间段、地点以及当时的情况。如果通过人工完成这样的工作，则需要面对数个摄像头产生的长达几十个小时的监控录像，这无疑对人力和时间都是极大的浪费，若是遇到分秒必争的重大案件，甚至可能延误了破案的时机。

发明内容：

本发明的目的是提供一种基于Hadoop分布式视频大数据前景检测与运动跟踪方法，它便于进行快速分析、计算、跟踪，缩短时间，提高工作效率，节省能源。

为了解决背景技术所存在的问题，本发明是采用如下技术方案：它的方法为：

步骤一：建立Hadoop分布式检测平台：采用Hadoop分布式计算模型进行检测，并将数据进行存储，存储的同时采用加密方式进行加密处理；

步骤二：视频解码：

(2.1)、建立视频解码库：将视频解码库存储在存储器内；

(2.2)、视频对应解码：建立一个视频解码平台，通过视频解码库进行对应解码，解码时实行H.264解码标准；

(2.3)、视频数据分割：在Hadoop分布式检测平台将待处理的数据在HDFS上的存储信息进行分类，然后将视频进行分段；

步骤三：分布式前景检测：

(3.1)、建立计算机计算代码：通过前景检测模块对视频帧进行检测，检测后输出情景模式；

(3.2)、情景转换：将情景模式进行代码转换，

(3.3)、参数映像：将转换的情景模式采用参数映射机进行映像，映像后将文件分辨率调节至标准值；

步骤四：运动跟踪的计算：

(4.1)、建立分布式计算模型：根据计算模型计算运动跟踪图形，

(4.2)、对比：将图形进行运行效率对比。

本发明具有如下有益效果：便于进行快速分析、计算、跟踪，缩短时间，提高工作效率，节省能源。

具体实施方式：

本具体实施方式采用如下技术方案：它的方法为：

步骤一：建立Hadoop分布式检测平台：采用Hadoop分布式计算模型进行检测，并将数据进行存储，存储的同时采用加密方式进行加密处理；

步骤二：视频解码：

(2.1)、建立视频解码库：将视频解码库存储在存储器内；

(2.2)、视频对应解码：建立一个视频解码平台，通过视频解码库进行对应解码，解码时实行H.264解码标准；

(2.3)、视频数据分割：在Hadoop分布式检测平台将待处理的数据在HDFS上的存储信息进行分类，然后将视频进行分段；

步骤三：分布式前景检测：