| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的目的和意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外视频分析研究概况 | 第14-17页 |
| 1.3 论文的主要研究内容 | 第17-19页 |
| 第二章 相关技术及需求分析 | 第19-29页 |
| 2.1 大数据计算平台SPARK | 第19-21页 |
| 2.1.1 流式计算技术 | 第19-20页 |
| 2.1.2 内存计算技术 | 第20页 |
| 2.1.3 SPARK计算平台 | 第20-21页 |
| 2.2 视频分析技术OpenCV | 第21-22页 |
| 2.3 需求分析 | 第22-29页 |
| 2.3.1 高清监控流智能分析的计算能力需求 | 第22-25页 |
| 2.3.2 大规模监控视频数据汇聚导入问题 | 第25-27页 |
| 2.3.3 分析平台的可扩展性需求 | 第27-29页 |
| 第三章 系统关键技术研究 | 第29-57页 |
| 3.1 大规模监控视频分析的关键技术分析 | 第29-31页 |
| 3.2 大规模监控视频流汇聚研究 | 第31-42页 |
| 3.2.1 研究目标 | 第31-32页 |
| 3.2.2 默认接收器位置分配方式的缺陷 | 第32-34页 |
| 3.2.3 基于计算能力感知的接收器位置分配规则 | 第34-42页 |
| 3.3 大规模监控视频流分析负载均衡研究 | 第42-51页 |
| 3.3.1 研究目标 | 第42页 |
| 3.3.2 分布式内存抽象技术 | 第42-45页 |
| 3.3.3 基于数据本地性的实时任务调度机制 | 第45-51页 |
| 3.4 大规模监控视频分析的可扩展性研究 | 第51-57页 |
| 3.4.1 研究目标 | 第51-52页 |
| 3.4.2 自适应的任务计算策略 | 第52-56页 |
| 3.4.3 动态增加计算性能 | 第56-57页 |
| 第四章 实验测试与分析 | 第57-70页 |
| 4.1 系统设计 | 第57-60页 |
| 4.1.1 总体框架 | 第57-59页 |
| 4.1.2 硬件平台 | 第59页 |
| 4.1.3 软件堆栈 | 第59-60页 |
| 4.2 实验环境 | 第60-62页 |
| 4.2.1 硬件环境 | 第60页 |
| 4.2.2 软件环境 | 第60-62页 |
| 4.3 实验结果与分析 | 第62-70页 |
| 4.3.1 基于计算能力感知的接收器位置分配规则评估 | 第63-66页 |
| 4.3.2 基于数据块本地性的任务调度评估 | 第66-68页 |
| 4.3.3 可扩展性的研究评估 | 第68-70页 |
| 第五章 结论与展望 | 第70-72页 |
| 5.1 结论 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第75-76页 |
| 作者在攻读硕士学位期间所作的项目 | 第76-77页 |
| 致谢 | 第77页 |