近年來,在面向艦船識別的各種應(yīng)用中,海洋視頻感知技術(shù)與系統(tǒng)以其直觀性、及時性和有效性的特點,常被作為VTS、AIS、VHF等其它監(jiān)管手段的補充和完善。大規(guī)模的高清監(jiān)控攝像節(jié)點完成布設(shè),但針對其拍攝的海量視頻圖像數(shù)據(jù)目前仍以人工監(jiān)測為主。視頻監(jiān)控大數(shù)據(jù)未能實現(xiàn)統(tǒng)一管理和共享,存在協(xié)同難、智能程度低、信息不能及時處理、應(yīng)用模式效率低下等問題。本文以海洋多源視頻監(jiān)控大數(shù)據(jù)為基礎(chǔ),圍繞艦船目標(biāo)識別應(yīng)用,開展視頻監(jiān)控大數(shù)據(jù)的存儲與查詢技術(shù)研究,主要研究內(nèi)容如下:（1）提出一種基于Hadoop及HBase的監(jiān)控視頻/圖像大數(shù)據(jù)分布式存儲和管理方案,實驗結(jié)果表明:該方案具有可靠性高、讀寫速度快、支持TB/PB級數(shù)據(jù)存儲和管理等優(yōu)點。（2）提出一種艦船目標(biāo)圖像的語義標(biāo)注方法,利用RDF資源描述框架,將非結(jié)構(gòu)化圖像數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù),實現(xiàn)圖像大數(shù)據(jù)的標(biāo)注信息共享,不僅可以為后續(xù)圖像大數(shù)據(jù)挖掘應(yīng)用提供支持,而且可以為基于深度學(xué)習(xí)的艦船目標(biāo)識別算法提供標(biāo)注數(shù)據(jù)集。（3）提出一種支持基于深度學(xué)習(xí)的艦船目標(biāo)識別算法應(yīng)用的分布式存儲和管理解決方案,實驗結(jié)果表明:該解決方案不僅可實現(xiàn)將艦船目標(biāo)語義標(biāo)注數(shù)據(jù)直接轉(zhuǎn)換... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【部分圖文】：

近十年的sCI論文數(shù)量

Ｓｅｃｏｎｄａｒｙ?ＮａｍｅＮｏｄｅ以及客戶端Ｃｌｉｅｎｔ模塊組成，其中必須包含一個ＮａｍｅＮｏｄｅ??節(jié)點，一個Ｓｅｃｏｎｄａｒｙ?ＮａｍｅＮｏｄｅ節(jié)點，若干個ＤａｔａＮｏｄｅ節(jié)點。ＨＤＦＳ的架構(gòu)圖??如圖２．１所示。??（??？保存元數(shù)據(jù)、備份信息等??讀取元數(shù)據(jù)信息＾＼??＼元數(shù)據(jù)信息更新??＼??＾客戶端：?心踩、負載均衡?＼??讀取數(shù)＾／塊?．Ｖ?．??／?．?＿?＼．．．??ｒ?￣＼?ｒ?＇ｎ?ｒ?＾?ｒ?＼?／?＾??／Ｔ）ａｔａＮｏｄｅ?！?ＤａｔａＮｏｄｅ?｜?ＤａｔａＮｏｄｅ?ＤａｔａＮｏｄｅ?ＤａｔａＮｏｄｅ??ｍｍｍ?■■曬?ｇｄ＠?；３?ｋｎｍｍ?ａ?ｅａ?ｅｄ???Ｊ?Ｖ?＾?Ｖ?＾數(shù)據(jù)備份???Ｊ??圖２．１?ＨＤＦＳ系統(tǒng)架構(gòu)圖??ＮａｍｅＮｏｄｅ是ＨＤＦＳ集群的中心節(jié)點［３４］。在ＨＤＦＳ集群中ＮａｍｅＮｏｄｅ節(jié)點??主要負責(zé)對命名空間等元數(shù)據(jù)信息進行管理，并協(xié)調(diào)控制ＨＤＦＳ客戶端對集群??中文件的訪問。ＨＤＦＳ中的數(shù)據(jù)都是以塊的形式存放在ＤａｔａＮｏｄｅ上，因此為了??在客戶端進行數(shù)據(jù)訪問時，能夠快速準(zhǔn)確定位數(shù)據(jù)塊存儲的位置，ＨＤＦＳ集群會??將所有文件以及目錄的元數(shù)據(jù)信息存儲到ＮａｍｅＮｏｄｅ節(jié)點，并維護著數(shù)據(jù)塊和文??１０??

?ｉ??圖２．２?ＭａｐＲｅｄｕｃｅ計算流程??圖２．２是ＭａｐＲｅｄｕｃｅ計算的具體流程，從圖中可以得到ＭａｐＲｅｄｕｃｅ的計算??流程包括以下四個步驟。??（１）

【參考文獻】：
期刊論文
[1]習(xí)近平建設(shè)海洋強國重要論述研究[J]. 沈滿洪,余璇.  浙江大學(xué)學(xué)報(人文社會科學(xué)版). 2018(06)
[2]基于Mask R-CNN的艦船目標(biāo)檢測研究[J]. 吳金亮,王港,梁碩,陳金勇,高峰.  無線電工程. 2018(11)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像艦船目標(biāo)檢測[J]. 李健偉,曲長文,彭書娟,鄧兵.  系統(tǒng)工程與電子技術(shù). 2018(09)
[4]基于HBase的遙感數(shù)據(jù)分布式存儲與查詢方法研究[J]. 景維鵬,田冬雪.  計算機工程與科學(xué). 2018(06)
[5]基于深度卷積神經(jīng)網(wǎng)絡(luò)的紅外船只目標(biāo)檢測方法[J]. 王文秀,傅雨田,董峰,李鋒.  光學(xué)學(xué)報. 2018(07)
[6]改進的ELU卷積神經(jīng)網(wǎng)絡(luò)在SAR圖像艦船檢測中的應(yīng)用[J]. 白玉,姜東民,裴加軍,張寧,白郁.  測繪通報. 2018(01)
[7]基于深度哈希的批量圖像并行檢索方法[J]. 熊舒羽,毛雷,劉暢.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2018(01)
[8]基于HBase的森林防火遙感瓦片大數(shù)據(jù)存儲[J]. 曹夢鴿,高心丹,程逸群.  東北林業(yè)大學(xué)學(xué)報. 2018(02)
[9]基于低復(fù)雜度卷積神經(jīng)網(wǎng)絡(luò)的星載SAR艦船檢測[J]. 趙保軍,李珍珍,趙博雅,馮帆,鄧宸偉.  北京交通大學(xué)學(xué)報. 2017(06)
[10]Hadoop環(huán)境下醫(yī)學(xué)影像存儲的設(shè)計[J]. 郭文亮.  中國醫(yī)療設(shè)備. 2017(09)

碩士論文
[1]高分辨率遙感圖像深度學(xué)習(xí)艦船檢測技術(shù)研究[D]. 王騰飛.哈爾濱工業(yè)大學(xué) 2017
[2]基于Hadoop的海量視頻數(shù)據(jù)分布式處理研究[D]. 劉高輝.華中師范大學(xué) 2017
[3]基于Hadoop的視頻偵查輔助平臺的設(shè)計與實現(xiàn)[D]. 胡瓊.東南大學(xué) 2016
[4]基于Hadoop技術(shù)的圖像視頻處理的研究與應(yīng)用[D]. 蔣春燕.華僑大學(xué) 2016
[5]面向視頻云存儲的HDFS負載均衡工具設(shè)計與實現(xiàn)[D]. 黃曉成.浙江大學(xué) 2016
[6]面向云平臺的海量圖片存儲系統(tǒng)設(shè)計與實現(xiàn)[D]. 李軍.大連海事大學(xué) 2016
[7]基于Hadoop的離線視頻數(shù)據(jù)處理技術(shù)研究與應(yīng)用[D]. 高東海.北京郵電大學(xué) 2014
[8]基于HBase的海量小視頻存儲與檢索系統(tǒng)的研究與實現(xiàn)[D]. 劉曉靜.西安電子科技大學(xué) 2014



本文編號：3585241