基于MapReduce计算模型的分布式运动目标检测方法技术

本发明专利技术公开了一种基于MapReduce计算模型的分布式运动目标检测方法，本发明专利技术以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。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，涉及基于MapReduce计算模型的一种分布式运动目标检测方法，适用于快速运动目标检测的范畴。
技术介绍
在计算机视觉领域，基于动态图像序列的运动目标检测是一个非常活跃的研究方向，大量有意义的视觉信息会包含在运动之中，研究运动目标的检测有很大的现实意义和应用价值。帧间差分法是运动目标检测基本的方法之一，将视频理解为图像序列，相邻帧之间差分后非零像素被认为是运动对象造成，从而形成前景区域。这种方法对于动态环境有较强的自适应能力，并且实现逻辑简单，稳定性较好。差分处理的前后帧并不一定是连续时序的视频图像，通过设置固定时间间隔来选取进行差分处理的帧。对于运动过快的检测目标，如果时间间隔设置过大，同一目标在前后两帧中没有重叠，会被检测为两个独立的目标。但是设置过小的时间间隔会导致需要处理的图像数据过大。目前大多数帧间差分法是以串行处理图像帧的方式进行分析的，帧数增加势必加大计算量影响效率。 目前解决上述问题的方法本文档来自技高网...

【技术保护点】
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...

【技术特征摘要】
1.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...

【专利技术属性】
技术研发人员：薛峰，席屏，
申请(专利权)人：江苏科大汇峰科技有限公司，
类型：发明
国别省市：江苏;32