大数据分析毕业论文15篇(多媒体大数据分析与搜索).docx

大数据分析毕业论文15篇

多媒体大数据分析与搜索

大数据分析毕业论文

摘要：实际工作中如何做到选型正确、先进配套、合理的“三机”选型，大数据分析可以起到非常重要的作用，但是大数据分析工作也是一项复杂的系统工程，涉及地质学、岩石力学、采矿学、机电和机制等多门学科以及各种现场数据，这就需要我们煤炭工作人员共同努力，将工作面大数据分析应

用到矿山行业，减少辅助作业环节，提高集中生产化的程度。

关键词大数据分析毕业数据论文数据

大数据分析毕业论文:多媒体大数据分析与搜索

现代社会中，大数据来源丰富，使得交通、医疗卫生、教育、安全等都发生了变化，而在智慧城体系中，监控视频是体量最大的大数据。基于此，我主要分享媒体大数据的三个挑战问题。第一，存不下，24小时产生的数据量积累得很大。第二，看不清，用眼睛看，横看竖看，还是看不清楚，可能有时候都要猜来猜去，还需要很有经验的人才能看出来大概。为什么？存的时候做了压缩，压缩时不知

将来作何用，为了节省存储量，压得太狠了，再把它解开

时基本看不清。第三，找不到。现在摄像头到处都是，摄

像头拍到了，但是不是想要找的？不知道，即使看清楚

了，一跨摄像头也就找不到了。所以摄像机网络跨摄像头

搜索问题也是个难题。

超高效视频编码

解决压缩问题

第一个挑战，我们想办法找到最高效的编码来应对这个挑

战。视频流是图像序列，在每个单独的图像里是有冗余

的，通常叫“空间冗余”。相邻的像素或图像块会有一些相关性，这些相关性即是“冗余”，这种冗余可以通过滤波器的算法进行估算。如果参数对了，就可以用它去做预测，继而找到一些更简洁的表达方式，不需要那么多比特就可以压缩了，这就是空间冗余。其次是“时间冗余”，即一个图像序列，第一帧和第二帧有很多是连续的，背景几乎是一样的，它有很多东西是重复的，这个重复的就是

冗余，我们管它叫“时间冗余”。第三种是“感知冗

余”，行业里的人把它叫“编码冗余”。比如26个字母要怎么表达？给出8个bit或7bit，每个字母给的bit是一样的，学计算机的人都知道这种分法是不科学的，应该怎么分？按照它的信息熵来分，图像也是一样，每个像素表

达的亮度、颜色在每类里分布不均匀，最好把出现概率高

的那些单体给它比较短的码，把出现概率低的给长码，统计上面就会比较合理，对此我们称之为“熵编码”。如果

这三种用好了，就有办法把图像或视频完美地压缩下去。

现在图像压缩实际达到的现状和理论有很大差别，但同时空间也很大。到现在为止，编码技术离理论上限大概还有百分之八九十的空间可以改进，因为在数学上我们很容易证明理论上限，若干个上限中可以取最低的上限，就很容易计算出有多大空间可以继续改进。这就是为什么视频编码领域这些年还在不停地发展，并且，每十年编码效率就

会提高1倍。

在这样每十年翻一番的情况下，算法变得更复杂了，计算

的复杂度换取了编码的效率。当然，这里有很多新的算

法，以前因为硬件比较贵，不能让编码的器件成本太高，所以有些算法还行，只要算法太复杂就基本不用。现在不在乎这个，因为集成电路发展以后，算法愈来愈多，编码放进去后视频效果会越来越好。针对监控视频我们会有更

好的方法，使它的效率更高。

从编码的角度，去空间冗余、去时间冗余和去编码冗余这三种技术可以把视频流里的冗余去掉，这三种技术包含了许多算法，有变换、滤波、运动补偿、熵编码等。去空间

冗余最主要的工具是变化，把时域变到频域上再进行处

理，对于空间的冗余主要是采用预测编码的方式去除，对

于感知主要是通过熵编码去除。

面向对象检测、跟踪与识别解决模式识别问题

第二个挑战，对象检测、跟踪识别挑战。模式识别率再

高、人脸识别再准，识别的准和不准取决于算法的好坏，还取决于在编码那端能不能提供支持。以往这两个系统像轨道一样完全平行，我们希望编码和识别能合作，把中间

那堵墙翻过去或者拆掉。怎么拆掉？编码时要考虑怎么

办。现在我们提出个支持是ROI（RegionofInternet），就是编码时识别出来哪个区域可能是识别要用的区域，把

这个区域定义成感兴趣区域，对于感兴趣区域要描绘出

来，现在语法里对感兴趣区域有专门的描述，除了这个区域以外还包括其他的，比如GPS信息、摄像机参数信息。

有了这个以后，在后面编码时，会针对编码参数进行调

整，ROI区域压得轻一点，这样关键的信息丢失的会少一

点。

有了这样的知识，可以用它架构友好的智能监控识别体

系。现在即使有个算法很好，比如266，它编码的效率和AVS2是一样的，我说那也不行，为什么？因为你压完以后还有解，解的时候才知道哪个地方是可识别的。现在压的

时候就知道哪个东西有用，哪个东西没有用，有用