Аннотация:
Проведён анализ параметров систем детектирования множественных объектов на основе фреймворков для потокового анализа данных Apache Storm и IBM InfoSphere Streams. В качестве объектов для детектирования были выбраны изображения лиц. Тестирование производилось на кластере, состоящем из пяти 32-ядерных узлов под управлением операционной системы CentOS. Apache Storm показал лучшую масштабируемость по сравнению с IBM InfoSphere Streams. Для изображения размером 1920´1080 достигнута скорость обработки 24 кадра в секунду при использовании Apache Storm.

Ключевые слова :
большие данные, потоковая обработка, набор изображений, детектирование лиц, пропускная способность, система реального времени.

Цитирование:
Проценко, В.И. Анализ параметров систем детектирования множественных визуальных объектов в режиме реального времени / В.И. Проценко, Н.Л. Казанский, П.Г. Сера­фи­мо­вич // Компьютерная оптика. – 2015. – Т. 39, № 4. – C. 582-591. – DOI: 10.18287/0134-2452-2015-39-4-582-591.

Литература:

1. Cisco C.V.N.I. Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2014–2019. [Электронный ресурс]. – URL: http://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual­networking-index-vni/white_paper_c11-520862.html (дата обращения 27.05.2015).
2. Казанский, Н.Л. Сравнение производительности систем потокового анализа данных в задаче обработки изображений скользящим окном / Н.Л. Казанский, В.И. Про­ценко, П.Г. Серафимович // Компьютерная оптика. – 2014. – Т. 38, № 4. – С. 804-810.
3. Казанский, Н.Л. Распределённая система технического зрения регистрации железнодорожных составов / Н.Л. Казанский, С.Б. Попов // Компьютерная оптика. – 2012. – Т. 36, № 3. – С. 419-428.
4. Kazanskiy, N.L. Machine vision system for singularity detection in monitoring the long process / N.L. Kazanskiy, S.B. Popov // Optical Memory and Neural Networks (Information Optics). – 2010. – Vol. 19, No. 1. – P. 23-30.
5. Зимичев, Е.А. Пространственная классификация гиперспектральных изображений с использованием метода кластеризации k-means++ / Е.А. Зимичев, Н.Л. Казанский, П.Г. Серафимович // Компьютерная оптика. – 2014. – Т. 38, № 2. – С. 281-286.
6. Попов, С.Б. Концепция распределенного хранения и параллельной обработки крупноформатных изображений / С.Б. Попов // Компьютерная оптика. – 2007. – Т. 31, № 4. – С. 77-85.
7. Методы компьютерной оптики / А.В. Волков, Д.Л. Головашкин, Л.Д. Досколович, Н.Л. Казанский, В.В. Котляр, В.С. Павельев, Р.В. Скиданов, В.А. Сойфер, В.С. Соловьев, Г.В. Успленьев, С.И. Харитонов, С.Н. Хонина; под ред. В.А. Сойфера. – Изд. 2-е, испр. – М.: Физматлит, 2003. – 688 с.
8. Gall, J. Class-specific hough forests for object detection / J. Gall, V. Lempitsky // Decision forests for computer vision and medical image analysis. – London: Springer, 2013. – P. 143-157.
9. Cheriyadat, A.M. Detecting multiple moving objects in crowded environments with coherent motion regions / A.M. Cheriyadat, B.L. Bhaduri, R.J. Radke // Computer Vision and Pattern Recognition Workshops, 2008. CVPRW'08. IEEE Computer Society Conference on. – IEEE, 2008. – P. 1-8.
10. Felzenszwalb, P.F. Object detection with discriminatively trained part-based models / P.F. Felzenszwalb, R.B. Girshick, D. Allester, D. Ramanan // Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 2010. – Vol. 32, Issue 9. – P. 1627-1645.
11. Barinova, O. On detection of multiple object instances using hough transforms / O. Barinova, V. Lempitsky, P. Kholi // Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 2012. – Vol. 34, Issue 9. – P. 1773-1784.
12. Kim, S.H. Real-Time Traffic Video Analysis Using Intel Viewmont Coprocessor / S.H. Kim, J. Shi, Ab. Alfarrarjeh, D. Xu, Yu. Tan, C. Shahabi / Databases in Networked Information Systems. – Springer Berlin Heidelberg, 2013. – P. 150-160.
13. Bramberger, M. Real-time video analysis on an embedded smart camera for traffic surveillance / M. Bramberger, J. Brunner, B. Rinner // Real-Time and Embedded Technology and Applications Symposium, 2004. Proceedings. RTAS 2004. 10th IEEE. – IEEE, 2004. – P. 174-181.
14. Wójcikowski, M. FPGA-based real-time implementation of detection algorithm for automatic traffic surveillance sensor network / M. Wójcikowski, R. Zaglewski, B. Pankiewicz // Journal of Signal Processing Systems. – 2012. – Vol. 68, Issue 1. – P. 1-18.
15. Coifman, B. A real-time computer vision system for vehicle tracking and traffic surveillance / B. Coifman, D. Beymer, Ph. McLauchlan, J. Malik, J. Malik B // Transportation Research Part C: Emerging Technologies. – 1998. – Vol. 6, Issue 4. – P. 271-288.
16. Koller, D. Towards robust automatic traffic scene analysis in real-time / D. Koller, J. Weber, T. Huang, J. Malik, G. Ogasa­wara, B. Rao, S. Russell // Pattern Recognition, 1994. Vol. 1 –Conference A: Computer Vision & Image Processing., Proceedings of the 12th IAPR International Conference on. – IEEE, 1994. – Vol. 1. – P. 126-131.
17. Bradski, GR. Computer vision face tracking for use in a perceptual user interface /G.R. Bradski // Applications of Computer Vision, 1998. WACV '98. Proceedings., Fourth IEEE Work-shop on. - 1998. - 214-219.
18. Guan, P. Estimating human shape and pose from a single image / P. Guan, Al. Weiss, Al.O. Balan, M.J. Black // Computer Vision, 2009 IEEE 12th International Conference on. – IEEE, 2009. – P. 1381-1388.
19. Pentland, A. View-based and modular eigenspaces for face recognition / A. Pentland, B. Moghaddam, T. Starner // Computer Vision and Pattern Recognition, 1994. Proceedings CVPR'94, 1994 IEEE Computer Society Conference on. – IEEE, 1994. – P. 84-91.
20. Ahonen, T. Face description with local binary patterns: Application to face recognition / T. Ahonen, A. Hadid, M. Pie­tikainen // Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 2006. – Vol. 28, Issue 12. – P. 2037-2041.
21. de Araújo, S.A. Beans quality inspection using correlation-based granulometry / S.A. de Araújo, J.H. Pessota, H.Y. Kim // Engineering Applications of Artificial Intelligence. – 2015. – Vol. 40. – P. 84-94.
22. Polder, G. Spectral image analysis for measuring ripeness of tomatoes / G. Polder, G. Van der Heijden, I.T. Young // Transactions-American Society of Agricultural Engineers. – 2002. – Vol. 45, Issue 4. – P. 1155-1162.
23. Ponsa, D. Quality control of safety belts by machine vision inspection for real-time production / D. Ponsa, R, Benavente, F. Lumbreras, J. Mart?´nez, X. Roca // Optical Engineering. – 2003. – Vol. 42, Issue 4. – P. 1114-1120.
24. Xie, X. A review of recent advances in surface defect detection using texture analysis techniques / X. Xie //Electronic Letters on Computer Vision and Image Analysis. – 2008. – Vol. 7, Issue 3. – P. 1-22.
25. Xu, J. Vision-guided automatic parking for smart car / J. Xu, G. Chen, M. Xie // Proceedings of the IEEE Intelligent Vehicles Symposium. – 2000. – P. 725-730.
26. Gavrila, D.M. Real-time object detection for “smart” vehicles / D.M. Gavrila, V. Philomin // Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference on. – IEEE, 1999. – Vol. 1. – P. 87-93.
27. OpenCV Cascade Classification. [Электронный ресурс]. – URL: http://docs.opencv.org/modules/objdetect/doc/cas­cade_classification.html (дата обращения 20.05.2015).
28. Viola, P. Rapid object detection using a boosted cascade of simple features / P. Viola, M. Jones // Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. – IEEE, 2001. – Vol. 1.– P. I-511-I-518.
29. Lienhart, R. An extended set of haar-like features for rapid object detection / R. Lienhart, J. Maydt // Image Processing. 2002. Proceedings. 2002 International Conference on. – IEEE, 2002. – Т. 1, Vol. 1.– С. I-900-I-903.
30. OpenCV. Haar Cascades. [Электронный ресурс]. – URL: http://alereimondo.no-ip.org/OpenCV/34 (дата обращения 1.06.2015).
31. Daniels, M. Real-time human motion detection with distributed smart cameras / M. Daniels, K. Muldawer, J. Schlessman, B. Ozer, W. Wolf // Distributed Smart Cameras, 2007. ICDSC'07. First ACM/IEEE International Conference on. – IEEE, 2007. – P. 187-194.
32. Sinha, D. Application of MPI for Efficient Detection and Extraction of Features in Video Surveillance / D. Sinha, G. Sanyal // International Journal of Computer Technology and Applications. – 2011. – Vol. 2, Issue 5. – P. 1269-1274.
33. Herout, A. Real-time object detection on CUDA / A. Herout, R. Jošth, R. Juránek, J. Havel, M. Hradiš, P. Zemcík // Journal of Real-Time Image Processing. – 2011. – Vol. 6, Issue 3. – P. 159-170.
34. Jia, H. Accelerating viola-jones facce detection algorithm on gpus / H. Jia, Yu. Zhang, W. Wang, J. Xu // High Performance Computing and Communication & 2012 IEEE 9th International Conference on Embedded Software and Systems (HPCC-ICESS), 2012 IEEE 14th International Conference on. – IEEE, 2012. – P. 396-403.
35. Norouznezhad, E. Object tracking on FPGA-based smart cameras using local oriented energy and phase features / Eh. Norouznezhad, Ab. Bigdeli, Ad. Postula, Br.C. Lovell //Proceedings of the Fourth ACM/IEEE International Conference on Distributed Smart Cameras. – ACM, 2010. – P. 33-40.
36. Neoh, H.S. Adaptive edge detection for real-time video processing using FPGAs / H.S. Neoh, A. Hazanchuk // Global Signal Processing. – 2004. – Vol. 7, Issue 3. – P. 2-3.
37. Фреймворк передачи сообщений Netty. [Электронный ресурс]. – URL: http://zeromq.org/ (дата обращения 20.05.2015).
38. Zookeeper. [Электронный ресурс]. – URL: http://zoo­keeper.apache.org/ (дата обращения 20.05.2015).
39. Hirzel, M. IBM Streams Processing Language: Analyzing Big Data in motion / M. Hirzel, H. Andrade, B. Gedik, G. Jacques-Silva, R. Khandekar, V. Kumar, M. Mendell, H. Nasgaard, S. Schneider, R. Soule´, K.-L. Wu // IBM Journal of Research and Development. – 2013. – Vol. 57, Issue 3-4. – P. 7:1-7:11. DOI: 10.1147/JRD.2013.2243535.
40. Gabriela, J.S. Processing tuples at-least-once in InfoSphere Streams v4 with consistent regions.[Электронный ресурс]. – URL: https://developer.ibm.com/streamsdev/2015/02/20/pro­cessing-tuples-least-infosphere-streams-consistent-regions/ (дата обращения 1.06.2015).
    1. Chandy, K.M. Distributed snapshots: determining global states of distributed systems / K.M. Chandy, L. Lamport // ACM Transactions on Computer Systems (TOCS). – 1985. – Vol. 3, Issue 1. – P. 63-75.
    2. Valles A. Performance Insights to Intel® Hyper-Threading Technology. [Электронный ресурс]. – URL: https://soft­ware.intel.com/en-us/articles/performance-insights-to-intel-hyper-threading-technology?language=es (дата обращения 1.06.2015).
    3. CUDA. [Электронный ресурс]. – URL: http://open­cv.org/platforms/cuda.html (дата обращения 19.06.2015).

    ---

    © 2009, IPSI RAS
    Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20