基于Hadoop的视频大数据智能预警系统应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 大数据研究现状 | 第14-16页 |
| 1.2.2 Hadoop研究现状 | 第16页 |
| 1.2.3 视频监控系统研究现状 | 第16-17页 |
| 1.3 发展趋势 | 第17页 |
| 1.4 研究内容及结构安排 | 第17-19页 |
| 1.4.1 研究内容 | 第17-18页 |
| 1.4.2 论文结构安排 | 第18-19页 |
| 第2章 系统研究相关技术 | 第19-33页 |
| 2.1 Hadoop架构 | 第19-28页 |
| 2.1.1 Hadoop架构概述 | 第19-21页 |
| 2.1.2 HDFS分布式文件系统 | 第21-24页 |
| 2.1.3 MapReduce并行模型 | 第24-26页 |
| 2.1.4 HBase分布式数据库 | 第26-28页 |
| 2.2 基于内容的视频检索 | 第28-30页 |
| 2.2.1 SIFT特征提取与匹配 | 第28-30页 |
| 2.2.2 局部敏感哈希 | 第30页 |
| 2.3 Androidpn消息推送 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 系统研究关键技术设计与实现 | 第33-49页 |
| 3.1 基于MapReduce的特征提取与匹配 | 第33-41页 |
| 3.1.1 特征提取设计与实现 | 第33-39页 |
| 3.1.2 特征匹配设计与实现 | 第39-41页 |
| 3.2 基于HBase的数据存储 | 第41-44页 |
| 3.2.1 HBase的数据库设计 | 第42-43页 |
| 3.2.2 HBase的数据库实现 | 第43-44页 |
| 3.3 Androidpn集成与优化 | 第44-47页 |
| 3.3.1 Androdpn客户端集成 | 第44-46页 |
| 3.3.2 Androdpn问题优化 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 智能预警系统的需求与设计 | 第49-65页 |
| 4.1 智能预警系统需求分析 | 第49-56页 |
| 4.1.1 需求概述 | 第49页 |
| 4.1.2 功能性需求 | 第49-55页 |
| 4.1.3 非功能性需求 | 第55-56页 |
| 4.2 智能预警系统总体设计 | 第56-59页 |
| 4.2.1 系统硬件结构 | 第56-57页 |
| 4.2.2 系统软件结构 | 第57-59页 |
| 4.3 预警视频检索功能设计 | 第59-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第5章 智能预警系统实现与分析 | 第65-77页 |
| 5.1 系统环境 | 第65-69页 |
| 5.1.1 系统软硬件环境 | 第65-66页 |
| 5.1.2 Hadoop实验环境 | 第66-69页 |
| 5.2 管理端实现 | 第69-72页 |
| 5.2.1 接入/退出监控设备 | 第69-70页 |
| 5.2.2 生成预警视频 | 第70-71页 |
| 5.2.3 发送预警短信 | 第71-72页 |
| 5.3 移动端实现 | 第72-74页 |
| 5.3.1 预警视频查询/播放 | 第72-74页 |
| 5.4 预警视频检索性能测试 | 第74-76页 |
| 5.4.1 检索速度分析 | 第75页 |
| 5.4.2 检索性能分析 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 总结和展望 | 第77-79页 |
| 论文总结 | 第77-78页 |
| 工作展望 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 攻读硕士学位期间的研究成果 | 第81-83页 |
| 致谢 | 第83页 |
