[原]Hadoop海量视频、图像分析分布式处理总结

在刚刚入手视频图像分析时，有点不知所措，后来经过查找了很多资料。本篇文章主要叙述图像的分析处理，至于视频，实际上视频本身就是一个大文件，hadoop对于大文件处理是高效的，所以在MapReduce的处理上需要使用ffmepg将视频切割为图像后再将图像转换为javacv可识别的流数据即可。在其他的环节处理视频和图像总体来说都是一样的。

有关图像分析的处理总结如下：

1、视频与图像文件在HDFS的存储，若文件较小需要做合并处理，或采用HBASE存储图像，mapreduce通过HBase生成的HFile进行分布式处理。

2、自定义实现Hadoop文件合并及文件切割的FileInputFormat的实现。

3、实现图像切割后的图像比特流转换为Javacv能够识别的图像对象。

4、提供opencv支持的图像分析开发环境与算法。

使用技术	框架说明
HDFS	图像存储在HDFS中
MapReduce	Mapreduce实现分布式处理或使用MapReduce操作HBase数据库
HBase	部分图片可存放在HBASE中或将计算结果存放于HBase、HIVE、MYSQL中
Hipi	用于合并小的图像文件，及切割算法。
JavaCV	封装了OpenCV、libdc1394、OpenKinect、videoInput和ARToolKitPlus等计算机视觉编程人员常用库的接口

1.1 图片合并并存储

方案1：

视频与图像文件需要存储在HDFS文件系统上，由于Hadoop的分布式计算只适合处理大文件数据，故需要将来源的图像进行合并处理，并存储到HDFS上再进行MapReduce处理。使用Hipi框架实现图像的合并处理，生成HIB文件。

方案2（待研究）：

将图像直接存入HBase中，MapReduce直接操纵HBase的数据进行处理。

1.2 自定义文件切割算法

Hadoop在分布式计算时默认为TextInputFormat文本式的切割算法做MapReduce的默认运算，HIB文件需要对其进行文件切割后放入MapReduce做运算。

1.3 图像格式转换

HIB文件切割后的图像格式需要转换为JavaCV可处理的流式数据，保证JavaCV能够顺利的处理各类的图像算法，如：直方图、二值化等。

1.4 JavaCV开发框架

由于Hadoop是用Java语言编写的，所以在处理方面使用Java有先天的优势，而JavaCV又封装了OpenCV、libdc1394、OpenKinect、videoInput和ARToolKitPlus等计算机视觉编程人员常用库的接口。所以需要搭建一套JavaCV的开发框架，以便于后续开发图像分析的各种业务场景。

参考文献：

HIPI (hadoop image processing interface)
http://abacusliu.weebly.com/1/post/2012/10/abouthipihadoopimageprocessinginterface.html

来看一下这一篇文章吧（合并小文件），这个国外一个牛人团队开发的Hipi框架，主要是功能是将给定的一个URL列表下载并合并为作者自己定义的HIB文件，MapReudce程序分解该文件并实现分布式处理。但HIPI只为我们提供了JAVA方式的图像处理。

使用JavaCV处理人脸识别、二值化、灰度等图像处理算法的例子。

https://code.google.com/p/hadoop-computer-vision/source/checkout

笔者最终将其两者合二为一了，待整理后附上链接。