| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-16页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 国内外相关研究现状 | 第9-14页 |
| 1.2.1 视频处理研究现状 | 第9-13页 |
| 1.2.2 GPU在大数据处理中的发展现状 | 第13-14页 |
| 1.3 本文工作及组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 GPU与视频相关技术及大数据处理框架综述 | 第16-36页 |
| 2.1 GPU相关技术 | 第16-26页 |
| 2.1.1 GPU技术简介 | 第16-17页 |
| 2.1.2 CUDA并行计算技术 | 第17-23页 |
| 2.1.3 GPU的视频编解码技术 | 第23-26页 |
| 2.2 视频处理相关技术 | 第26-27页 |
| 2.3 大数据处理框架 | 第27-35页 |
| 2.3.1 Hadoop及MapReduce概述 | 第27-29页 |
| 2.3.2 分布式文件系统HDFS | 第29-31页 |
| 2.3.3 Spark技术概述 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 基于GPU的视频预处理相关算法设计 | 第36-55页 |
| 3.1 基于GPU的通用视频编解码方案设计 | 第36-40页 |
| 3.1.1 H.264解码的并行分析 | 第36-38页 |
| 3.1.2 基于GPU并行计算的编解码方案实现 | 第38-40页 |
| 3.2 基于GPU的视频摘要帧提取并行设计 | 第40-46页 |
| 3.2.1 海冰视频摘要帧提取方法分析 | 第40-42页 |
| 3.2.2 海冰视频摘要帧提取算法的并行设计 | 第42-46页 |
| 3.3 实验和总结 | 第46-54页 |
| 3.3.1 基于GPU的视频编解码方案性能分析 | 第48-51页 |
| 3.3.2 基于GPU的视频摘要提取算法结果及性能分析 | 第51-54页 |
| 3.4 本章小结 | 第54-55页 |
| 4 图像处理相关算法的设计与Spark调用接口设计 | 第55-70页 |
| 4.1 连通区域快速标定与提取算法设计 | 第55-63页 |
| 4.1.1 连通区域算法简述 | 第55-57页 |
| 4.1.2 连通区域快速标定与提取算法 | 第57-63页 |
| 4.2 Spark调用本地库的接口设计 | 第63-69页 |
| 4.2.1 JNI技术简介 | 第64-65页 |
| 4.2.2 Spark调用接口设计 | 第65-69页 |
| 4.3 本章小结 | 第69-70页 |
| 5 基于GPU的视频大数据处理系统设计与实现 | 第70-79页 |
| 5.1 基于Spark的视频大数据处理平台构建 | 第70-71页 |
| 5.2 系统部署 | 第71-74页 |
| 5.2.1 环境配置 | 第71-73页 |
| 5.2.2 大数据平台部署 | 第73-74页 |
| 5.3 实验和总结 | 第74-78页 |
| 5.4 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 论文总结 | 第79页 |
| 6.2 未来展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间发表学术论文情况 | 第86-87页 |
| 致谢 | 第87-88页 |