[发明专利]基于MapReduce计算模型的分布式运动目标检测方法

摘要

本发明公开了一种基于MapReduce计算模型的分布式运动目标检测方法，本发明以MapReduce计算模型为基础，以分布式计算的方式进行三帧差分法的计算，将图像的分析任务分发到对计算配置要求不高的多个节点上同时进行。这样即节约了分析计算的硬件成本，也解决了因设置时间间隔较小、需要计算的图像过多而造成的效率降低问题。

主权项

基于MapReduce计算模型的分布式运动目标检测方法，其特征在于，包括以下步骤：(1)上传待分析的视频并进行保存，以自定义时间间隔将视频分解为视频帧序列，为后续分析提供数据；上传的视频文件是视频分析的数据源，将存放路径作为输入参数传给分片处理逻辑，处理逻辑循环读取视频文件，并按照设置的时间间隔获得一帧帧视频图像，获得的每个视频图像对应一个时间戳(精度到毫秒，根据实际需要还可以更小)，并将对应关系存储到HBase数据库中，方便后续分析读取；(2)首先进行视频帧的差分二值化处理。将视频帧序列中每两帧作为差分计算因子的输入值传入；“差分二值化”计算因子需要传入两帧视频图像进行分析，在HBase数据库中每帧图像和按照时间戳排序的下帧图像共同作为一个Map节点的输入，Map的输入格式固定为key/value键值对，这里key为图像对应时间戳，value为图像内容；Map用于对相邻两帧图像进行灰度差分和二值化的处理，生成结果图像与输入的两帧时间戳分别对应再存于HBase数据库；计算时会有多个Map节点共同进行，系统监控每个节点的完成情况，当出现闲置节点时，从最后处理的视频图像帧开始，按照上述逻辑获得输入值继续节点计算；(3)每三个计算结果图像进行逻辑与的处理；上一步的计算结果图像以时序排列，每三个为一组作为下个计算因子“逻辑与”的输入进行处理；从数据库HBase中获得时间戳相同的差分二值化图像，并作为Reduce节点的输入进行图像像素点的逻辑与处理，处理结果再与时间戳对应存入数据库，为最后生成视频输出提供数据；与Map相同，Reduce节点也为多个共同进行，系统实时监控并分配下一个任务给每个Reduce处理节点，直至视频分析结束；(4)将多个“逻辑与”计算因子的输出结果图像以时间顺序进行合并，最终检测得到快速运动目标的视频输出；(5)将Reduce节点输出的图像帧以对应时间戳为顺序进行视频播放，即得到检测后的视频结果。