论文部分内容阅读
近年来,随着云计算的迅速发展,云计算的海量存储能力和海量计算能力为安防领域带来了新的发展机遇,传统的视频监控平台也很难满足现在的存储海量视频数据的需求,尽管有工作已经尝试在云环境下部署实施,但是一个通用性的平台却仍然是一个业界的挑战。本文针对视频监控领域所面临的实时性、安全性、带宽依赖性、传输费用高等问题,设计并实现了一个基于云环境的视频监控平台,采用云存储技术来解决视频数据的异构性,利用云来解决平台的可扩展性。然后采用H.264视频编码标准和RTSP视频实时传输协议来解决带宽依赖性、实时性问题,并且提出单独构建一个嵌入式传感网络来单独进行身份识别、集中控制,该网络采用对IP动态绑定的视频传输方法,间接解决动态IP的不稳定性,并且充分利用了FTTH资源,降低了用户代价。本文主要的研究工作如下:(1)基于云环境的视频监控平台的总体架构设计。为了解决云环境下视频监控领域所面临的迫切挑战,在了解了客户需求以及传统方案漏洞的前提下,本文提出了一套基于云环境的视频监控平台的总体架构设计方案,该平台的逻辑架构共分为4层:应用层、逻辑层、接入层、数据层。(2)基于嵌入式传感网络动态IP绑定方案的设计与实现。针对传统方案中视频传输路线采用专线传输技术带来的带宽费用昂贵的问题,本方案提出并实现了一套基于嵌入式传感网络的动态IP绑定方案,通过本文实现的嵌入式传感设备,视频传输路线可以采用费用相对低廉的公用网。同时该嵌入式传感设备还集成了终端设备状态监控功能和报警功能。(3)基于Spark streaming的分布式并行处理架构的设计与实现。在视频处理环节中,针对传统平台中视频集中处理效率低的问题,本文提出来了一套基于Spark streaming的分布式并行处理架构,首先将实时采集的视频数据流进行序列化处理,将视频流转化为任务数据集,然后将输入数据交付给spark master节点,由spark的任务调度器将任务分发至从属节点并行处理,通过该方法,可以有效的提高视频编解码任务、视频多制式响应等任务的处理效率。(4)本文的存储模块采用关系型数据库与分布式文件系统相互融合的方案,提供统一的分布式存储访问接口,可以支持海量异构数据的存储,并且也提供了良好的容灾性、健壮性等非功能性保障。本文最后经过了严格的功能与性能的测评,验证了该基于云环境的视频监控平台在安防领域具有很好的应用价值。