[发明专利]一种基于视频流处理的电梯乘客数并行检测方法

说明书

一种基于视频流处理的电梯乘客数并行检测方法。首先，利用采集视频数据进行正负样本标定，并使用级联分类器训练样本得到电梯乘客的分类器文件；其次，读取并转换电梯视频流数据，对视频进行预处理转化为弹性分布式数据集RDD；然后，执行基于Spark Streaming的电梯乘客数检测算法，在输入视频流数据后，输出带有电梯乘客数的视频帧数据；最后，将电梯乘客数检测流处理算法部署在Spark分布式集群上，设置好与算法步骤数相匹配的节点，在后台自动获得快速可控的实时流数据处理视频。本发明利用流处理技术对电梯视频数据进行分析，实时检测电梯的乘客数，采用Spark Streaming流处理框架对电梯乘客数检测算法进行并行化，提高了电梯视频乘客数检测的实时性。

技术领域

本发明专利涉及视频大数据、机器学习、并行计算等领域，特别是给出了一种基于视频流处理的电梯乘客数实时检测方法。

背景技术

电梯是人们工作和生活中必不可少的交通工具，然而，随着电梯数量的快速增加以及人们生活节奏的逐步加快，电梯运行安全逐渐成为一个公众关注的社会性热点。充分利用电梯产生的各类数据，结合人工智能技术提高电梯的安全性已经成为学术界和工业界的一个重要课题。电梯监控视频数据是一类重要的数据源，蕴含了电梯时时刻刻的运行状态，为分析电梯状态提供了丰富的数据。

在视频数据处理方面，郑健等(计算机系统应用,2017)提出了一种实时视频分析系统，可以通过kafka分发消息队列并通过流处理的方式提高视频效率；李海跃等(计算机应用研究，2017)提出了一种把视频转化为图片集后砍帧并放至分布式系统的方法，已加快对视频的处理速度；张洪等(计算机测量与控制，2017)提出了一种将视频帧差法与分布式框架结合的方法，用以快速检测车流量；叶锋等(计算机系统应用，2017)提出一种将Hog与Spark大数据框架相结合，并辅以RFID来实现车辆计数的方法。

对于并行视频处理框架方面，也已有多位学者进行了相关研究。Hanlin Tan等(ICME，2014)提出了一种将视频录像放至Hadoop分布式框架上作多节点检测以提升运算效率的方法；Xiaomen Zhao等(8th International Conference on Cloud Computing，2015)详细比较了在Hadoop分布式框架上各个图片检测算子的效率并整合了一种综合的框架；Vaithilingam等(International Conference on Big Data，2015)对视频流使用时间段的方式进行裁剪并放至hadoop框架上进行处理。

Spark并行处理框架是一种基于内存计算的并行处理框架，设计了统一的抽象编程，即弹性分布式数据集(RDD)，这种全新的模型可以让用户直接控制数据的共享，使得系统有着更强的容错性和更快的计算能力，这对于视频处理至关重要。

发明内容

为了实施检测电梯乘客人数，本发明提出一种基于视频流处理的电梯乘客数并行检测方法，该发明对基于机器学习的乘客数检测算法在Spark Streaming并行计算框架上进行了并行化，提高了电梯乘客数检测的实时性。

一种基于视频流处理的电梯乘客数并行检测方法，包括以下步骤：

(1)基于机器学习的电梯乘客数检测分类器；

(1.1)电梯乘客数据标定；

根据视频数据进行数据标定，将样本分成正负数据集，正样本集为检测目标，负样本集为电梯环境，截取乘客头肩部分作为训练正样本，截取不含乘客的电梯内部环境作为训练负样本，正负样本比例大致接近1:2，截取时采用人工标定的方式，标定工具为视频截取工具；

(1.2)训练分类器；

采用图像的Haar特征点进行训练，使用级联分类器CascadeClassifier训练样本，准备好正负样本集和描述文件，在训练完成后得到xml格式的分类器文件；