| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 视频分析技术与大数据处理研究现状 | 第15-16页 |
| 1.2.2 人脸识别技术 | 第16-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文结构 | 第19-21页 |
| 第二章 分布式视频快速识别分析系统的相关技术 | 第21-35页 |
| 2.1 IP Camera硬件系统核心技术 | 第21页 |
| 2.2 ONVIF协议 | 第21-23页 |
| 2.2.1 ONVIF协议开发流程 | 第21-22页 |
| 2.2.2 ONVIF协议中的设备发现 | 第22-23页 |
| 2.3 Apache park | 第23-27页 |
| 2.4 HDFS分布式文件系统 | 第27-32页 |
| 2.4.1 HDFS特性 | 第28页 |
| 2.4.2 HDFS的组成和体系结构 | 第28-30页 |
| 2.4.3 HDFS文件操作 | 第30-32页 |
| 2.5 人脸检测 | 第32-34页 |
| 2.5.1 开源计算机视觉库Open CV | 第32-33页 |
| 2.5.2 基于Ada Boost算法和Haar分类器的人脸检测算法 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 分布式视频快速识别分析系统需求分析及研究 | 第35-43页 |
| 3.1 问题的提出 | 第35-36页 |
| 3.2 功能性分析 | 第36页 |
| 3.3 非功能性分析 | 第36-37页 |
| 3.4 系统主要功能分析 | 第37-38页 |
| 3.5 关键技术研究 | 第38-42页 |
| 3.5.1 分布式海量视频数据处理平台 | 第38-39页 |
| 3.5.2 人脸准确快速识别的实现 | 第39-40页 |
| 3.5.3 分布式视频快速识别分析系统关键流程 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 分布式视频快速识别分析系统的设计与实现 | 第43-53页 |
| 4.1 系统设计 | 第43-44页 |
| 4.2 系统总体架构 | 第44-45页 |
| 4.3 系统模块设计 | 第45-52页 |
| 4.3.1 视频采集模块 | 第45-47页 |
| 4.3.2 视频预处理模块 | 第47-48页 |
| 4.3.3 人脸检测模块 | 第48-50页 |
| 4.3.4 人脸模型训练模块 | 第50-51页 |
| 4.3.5 人脸识别模块 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 分布式视频快速识别分析系统的测试 | 第53-65页 |
| 5.1 IP Camera选取 | 第53页 |
| 5.2 环境搭配 | 第53-55页 |
| 5.3 人脸检测过程与结果 | 第55-59页 |
| 5.4 人脸识别过程与结果 | 第59-61页 |
| 5.5 系统验证测试结果 | 第61-64页 |
| 5.5.1 系统验证结果 | 第61-62页 |
| 5.5.2 系统验证测试结果分析 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |