陈文竹，陈岳林，蔡晓东，王 迪

(桂林电子科技大学，广西 桂林 541004)

一种多路海量视频流数据并行化处理方法研究

陈文竹，陈岳林，蔡晓东，王 迪

(桂林电子科技大学，广西 桂林 541004)

针对视频监控系统中传统的处理方法计算机资源能力不足，无法满足海量高效的视频流数据内容分析的问题，引入Storm并行计算平台，提出了一种弹性的基于多路视频流的并行化处理方法，并通过一种高效的内存共享机制，集成人车分类算法到分布式处理平台，使算法与高性能并行计算资源有效融合。通过对比实验表明，该并行化处理方案高效稳定，集群运行良好，负载均衡，能满足大规模视频流数据处理的需要。

视频流；Storm；内存共享；人车分类；并行计算

智能视频监控[1]是图像处理领域一个重要研究课题，广泛应用于智能交通、智能安防等领域。对摄像头记录的视频数据内容进行智能分析，对其中的行人和车辆等信息进行检测分类，进而实现基于视频内容的检索，在视频监控中具有重要意义。目前有许多有关人车分类算法的研究，文献[2]提出了一种基于多粒度感知SVM的复杂场景人车分类方法，有效避免光照、色彩目标等变化对目标检测分类造成的影响。文献[3]提出了一种基于视频的行人车辆检测与分类方法，解决了目标分割不完整、检测准确率低的问题。文献[4]提出了一种基于运动区域的行人检测与跟踪算法，能够快速准确地对行人进行检测跟踪，然而当视频数据为海量时，计算资源的瓶颈往往限制了算法的应用，基于串行的算法优化无法明显提高海量视频图像处理的高效性，因此有必要引入并行化计算。……