| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 课题研究背景 | 第8-9页 |
| 1.1.2 课题研究的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 分布式计算框架介绍与分析 | 第14-25页 |
| 2.1 Hadoop分布式计算框架 | 第14-16页 |
| 2.2 Spark与Spark Streaming | 第16-23页 |
| 2.2.1 什么是Spark | 第16-18页 |
| 2.2.2 弹性分布式数据集RDD | 第18-22页 |
| 2.2.3 Spark Streaming实时计算框架 | 第22-23页 |
| 2.3 对比Spark Streaming和Storm | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 视频关键帧提取技术 | 第25-37页 |
| 3.1 视频数据的基本概念 | 第25-28页 |
| 3.1.1 视频数据的模型 | 第25-26页 |
| 3.1.2 视频数据的特点 | 第26-27页 |
| 3.1.3 监控视频 | 第27-28页 |
| 3.2 关键帧提取技术介绍 | 第28-31页 |
| 3.2.1 关键帧提取技术概述 | 第28-29页 |
| 3.2.2 常用的关键帧提取技术 | 第29-31页 |
| 3.3 基于背景差分法的运动目标检测 | 第31-36页 |
| 3.3.1 背景初始化 | 第31-32页 |
| 3.3.2 背景更新及运动目标检测 | 第32-33页 |
| 3.3.3 本文的关键帧提取 | 第33-36页 |
| 3.4 图像的后续处理 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于Spark平台的并行化设计 | 第37-48页 |
| 4.1 并行化需要解决的问题 | 第37-40页 |
| 4.1.1 运动目标的一致性 | 第37-38页 |
| 4.1.2 Spark接口程序的实现 | 第38-40页 |
| 4.2 Spark Streaming分布式流式数据平台 | 第40-43页 |
| 4.2.1 Spark Streaming子框架的处理机制 | 第40-41页 |
| 4.2.2 向DStream输入数据 | 第41-42页 |
| 4.2.3 Hadoop对Spark的支持关系 | 第42-43页 |
| 4.3 集群部署方案 | 第43-47页 |
| 4.3.1 基本方案 | 第43-44页 |
| 4.3.2 启用Spark Streaming | 第44-45页 |
| 4.3.3 任务调度 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 Spark关键帧提取实验 | 第48-54页 |
| 5.1 实验环境 | 第48-49页 |
| 5.1.1 硬件环境 | 第48页 |
| 5.1.2 软件环境 | 第48-49页 |
| 5.2 系统性能优化 | 第49-51页 |
| 5.2.1 并行度优化 | 第49-50页 |
| 5.2.2 内存调优 | 第50-51页 |
| 5.3 实验对比 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结和展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
