[发明专利]一种基于开放式Web Service架构的分布式视觉计算方法

说明书

技术领域

本发明涉及一种分布式计算机视觉计算的方法，尤其是基于开放式WebService架构的分布式视觉计算方法。

背景技术

基于视觉的生物特征识别技术是公共安全领域的重要内容之一，经过较长时间的发展，所有的基于视觉的识别系统都可以按照统一的框架实现，即按照目标检测、图像预处理、特征提取和目标识别四个步骤来进行。目标检测主要完成图像中是否存在目标的判断以及初步定位；预处理通常包括精确定位、尺度和亮度的归一化，以便提取到有效的特征；特征提取根据最终的识别目的是提取最有利于识别的信息；目标识别则是选取合适的分类器实现目标的识别和分类。

在本发明以前，基于视觉的生物特征识别系统通常采用单一计算机的方式进行工作，以最为典型的人脸身份识别为例，Cognitec公司利用多阶高斯导数滤波特征开发的FaceVACS-SDK产品，Identix公司的基于Rockfeller大学开发得LFA算法的FaceIt产品，Never Vision公司的基于Gabor特征的人脸识别产品等都是采用了这样的实现方式，这样使得识别系统的效率和数据库容量在很大程度上受到了处理器性能的限制。单一计算机机架构的另外一种发展形式是采用C/S架构，能够将全部或者主要的计算任务从视频采集前端转移到服务器端，降低了前端设备的性能要求，同时也实现了远程识别。但是，由于计算过程的完成还是在服务器一台机器上进行，所以与单一计算机方式并无本质区别。随着实际应用中对大规模数据处理的迫切需求，这种基于单一计算机的计算模式难以满足实际需求。尽管出现了诸如TH-ID Face等运用分布式计算的大型人脸身份识别系统，但是这些识别系统仅仅利用分布式提高计算的并行度和系统性能，没有充分考虑跨平台应用、与其他系统兼容等实用性问题，依然不能满足公共安防的实际应用需求。

发明内容

本发明的目的就是要克服上述缺陷，研制一种基于开放式Web Service架构的分布式视觉计算方法。

本发明的技术方案是：

一种基于开放式Web Service架构的分布式视觉计算方法，包括以下步骤：

采用嵌入式视频采集前端采集被识别目标的视频图像，经过压缩编码后通过网络组播的方式发送回数据中心；

数据中心由一台控制服务器和多台计算服务器组成，控制服务器将计算任务自动分配给计算服务器完成，计算服务器进行视频数据的解压缩、目标检测、图 像预处理、特征提取、识别分类和结果绘制；

将计算服务器的计算结果进行综合后与视频图像一起分发到用户的监控工作站、平板电脑、智能手机的观察终端。

本发明的优点和效果体现在以下几方面：

(1)采用嵌入式视频采集前端采集被识别目标的视频图像并通过网络组播的方式发送回数据中心的服务器组。其中，服务器组由一台控制服务器和多台计算服务器组成，在控制服务器的统一调度下将目标检测、图像预处理、特征提取(多种特征)和目标分类(多个分类器)的计算任务自动分配到不同的计算服务器上进行，将结果绘制到视频上并通过压缩后发送到监控工作站、平板电脑、智能手机(含警务通等专用设备)等不同类型的终端。嵌入式视频采集前端的成本低，适合大量部署；分布式处理方式保证了系统的处理性能并且能够根据需要灵活安排计算能力和进行算法的在线升级；接入观察终端的种类多样，适合各种形式的应用。

(2)运行于同一台计算服务器的子计算任务采取基于共享内存的多线程并行处理加速计算。在计算任务协同进程的控制下，同一个计算任务的各子计算任务能够并行的或者按照先后顺序进行运行，并将数据直接存储到指定内存区域供其他进程读取，从而减少了不必要的数据传输。计算进程和共享内存区域采用进程池和内存池进行管理，减少了不必要的销毁和新建操作。共享内存区域和进程池、内存池的使用提升了系统运行的性能。

(3)多台计算服务器之间或者应终端和其他外部系统的要求传输中间结果时采用Web Service的方式，既保证了数据传输的可靠性，又使得数据能够被最广范围的外部系统(可能需要简单升级)接受，获得了开放性和跨平台的特性。同样的，包括数据库在内的其他外部系统对本发明所述的系统传输数据时同样采用Web Service方式，使得能够兼容绝大部分的数据库和经过简单升级后的外部系统。

(4)采用组播方式传输经过压缩的视频图像，当由于网络配置等原因无法采用组播时则在采用视频压缩的基础上进一步采用基于内容的视频图像压缩，从而在很大程度上减少了视频数据传输所占用的带宽，便于大规模使用。