城市大腦在MaxCompute上的海量視頻分析（17頁）.pdf

1、慕開阿里云iDST視覺計算 技術專家MaxCompute在視覺計算中的應用云端大規模視頻分析：MaxCompute2.0計算機視覺工作者最好的時代MaxCompute2.0海量視頻與深度學習的碰撞MaxCompute2.0計算平臺是核心競爭力 視頻存儲需求大數據平臺 視頻計算需要大數據平臺 大規模的場景認知需要大數據平臺MaxCompute2.0面對海量視頻數據，什么是好的計算平臺？需要靈活的數據存儲 視頻-結構化數據 視頻-圖像 視頻-視頻MaxCompute2.0面對海量視頻數據，什么是好的計算平臺？需要靈活算法部署和調度 算法類型復雜多變 分析步驟多樣化 整體和局部分析MaxComput

2、e2.0面對海量視頻數據，什么是好的計算平臺？合理的計算成本 存量視頻處理 vs vs 實時視頻處理 多種硬件平臺的選擇MaxCompute2.0杭州大腦的項目實踐MaxCompute2.0杭州大腦 任務多樣 車流統計 車型識別 車牌識別 紅綠燈分析 排隊分析 算法復雜 目標檢測 目標跟蹤 OCR 結構化數據聚類 數據龐大 500路交通監控視頻 早高峰2小時高清 每個視頻1.5G以上MaxCompute2.0大規模視頻離線處理 V2.0 流程MaxCompute2.0靈活利用MaxCompute平臺（1）在非結構化Extractor接口中利用ffmpeg API對視頻進行預處理 高并發讀取視頻

3、數據，預處理降低尺寸幀率 對視頻進行重編碼切片操作 通過切片控制后續計算的粒度MaxCompute2.0靈活利用MaxCompute平臺（2）在Extractor和UDF中利用jni實現本地算法調用 通過tar封裝本地包，實現不同算法的資源文件隔離 充分利用大規模并行計算的能力，加速算法執行 海量數據高并發處理，個別計算節點失敗或長尾由計算平臺自動處理，正確性保證MaxCompute2.0靈活利用MaxCompute平臺（3）在得到結構化數據之后，使用SQL進行數據高層處理 數據處理更加輕便和靈活 視覺分析和大數據算法很好的隔離 從端到端，視頻文件到業務數據輸出，全在平臺內完成MaxCompute2.0部署視覺分析任務SQL實例MaxCompute2.0關于性能 深度學習版本 每路視頻 2 core 實時(25FPS)處理 高效率版本 每路視頻 0.5 core 實時(25FPS)處理MaxCompute2.0更多樣的視覺計算 批量的圖像處理 車輛圖片車型識別 視頻加工類算法的應用 視頻圖像深度加工 Prisama 視頻版本