[发明专利]一种数字视网膜海量目标检索时空矩阵呈现方法

说明书

一种数字视网膜海量目标检索时空矩阵呈现方法，其特征在于，包括下列步骤，步骤1、组建大数据平台包含生产集群和测试集群，采用两台核心交换机；对于生产集群，汇聚交换机下面成对挂接业务接入交换机的万兆光接口、带外管理接入交换机的千兆接口；对于测试集群，汇聚交换机下挂接单台业务接入交换机(千兆接口)即可；为了让节点间的交换带宽不成为系统性能的瓶颈，业务网络均采用10GE网卡；步骤2、集群及各个组件搭建完成后，首先格式化整个集群中FastDFS文件系统所在的系统存储空间，然后启动集群；本发明还提供了一种高效的人车目标特征向量组数据索引表方法，保证了该人车目标图像识别搜索引擎的空间索引实时性与可靠性。

技术领域

本发明是一种数字视网膜海量目标检索时空矩阵呈现方法，涉及安防监控和人工智能领域，更具体地，涉及一种数字视网膜海量目标检索时空矩阵呈现方法。

背景技术

现代社会中如何处理这些海量视频监控数据，对传统系统使用关系型数据库(Oracle、 Mysql、SQLServer)的技术架构中提出了极大挑战，单单从数据存储层面已无法满足用户需求。但是，由于缺乏智能的海量视频分析技术，这些信息的利用率极低。为了充分利用这些信息，保障社会安全，人们尝试将人车目标识别技术和大数据云计算技术应用于智能视频分析中，实现犯罪嫌疑人车身份的快速准确确认。然而，面对海量的人车目标图像信息，人车目标识别的准确率却差强人意，单纯的依靠比对算法的相似度简单排序已不能满足用户的需求。

发明内容

本发明的目的是提供一种数字视网膜海量目标检索时空矩阵呈现方法，以保证该人车目标多模态特征搜索引擎的空间索引实时性与可靠性。

一种数字视网膜海量目标检索时空矩阵呈现方法，其特征在于，包括下列步骤，

步骤1、组建大数据平台包含生产集群和测试集群，采用两台核心交换机；

对于生产集群，汇聚交换机下面成对挂接业务接入交换机的万兆光接口、带外管理接入交换机的千兆接口；对于测试集群，汇聚交换机下挂接单台业务接入交换机(千兆接口)即可；为了让节点间的交换带宽不成为系统性能的瓶颈，业务网络均采用10GE网卡；

步骤2、集群及各个组件搭建完成后，首先格式化整个集群中FastDFS文件系统所在的系统存储空间，然后启动集群；

步骤3、启动Hadoop之后，接着启动ZooKeeper组件，最后启动HBase组件，启动Spark 组件；

步骤4、采集数据：获取目标人车目标图像中的车身区域，接着从车身区域中提取目标人车目标图像的特征信息，特征信息包括目标人车目标图像的特征点以及特征点的尺度、主方向和相对位置；然后根据目标人车目标图像的特征信息查询特征数据库中存储的样本图像的特征点以及样本图像的特征点的尺度、主方向和相对位置，确定与目标人车目标图像相似的图像；

步骤5、清洗数据：

步骤6、数据分布式云存储：非结构化数据存入FastDFS中，结构化数据存入Hbase中；

步骤7、准备输入图片：选择搜索图片包括如下几种方式：

(1)本地文件导入目标人车目标图像；

(2)含有目标的图片→目标人车目标图像抓取

(3)本地视频：视频流→含有目标的图片→目标人车目标图像抓取

(4)摄像头实时视频流：视频流→含有目标的图片→目标人车目标图像抓取

(5)特征库查询导入：语义搜索→目标人车目标图像列表→选取目标的多角度人车目标图像；

步骤8、多模态特征联合精准检索：