Procesamiento distribuido de flujos de video sobre plataforma de Big Data

Abstract

en este trabajo, se evalúa el desempeño y se estudia la escalabilidad de una de las principales tecnologías utilizadas en Big Data como es Spark, y se analiza si resulta eficiente para realizar una de las tareas centrales en el area de visión por computadora como es el reconocimiento automático de humanos en flujos de video. A tal efecto, se propone una arquitectura que permite procesar de manera distribuida sobre un cluster de computadoras (del tipo commodity hardware), un conjunto de frames provenientes de cámaras de video para determinar si en estos existe presencia de humanos. La implementación de esta propuesta utiliza el modelo Support Vector Machines como clasificador y el método de Histogramas de Gradientes Orientados para la extracción de features en las imágenes. Para evaluar la performance de la arquitectura se realizan una serie de experimentos en los cuales se verán tanto la cantidad de frames a procesar por el sistema, como así también, la cantidad de nodos (recursos) disponibles en el cluster para su procesamiento. Por ultimo, se realiza un análisis de la performance obtenida. A tal efecto, se calculan las métricas centrales para la evaluación de los sistemas distribuidos como son el Tiempo de Procesamiento, Speedup y Eficiencia.