Détection de visage basée sur MapReduce dans le domaine de vidéosurveillance
Résumé
Dans ces dernières années, le volume de données exploité dans des entreprises a considérablementaugmenté. Emanant de source diverse (transaction, systèmes d’information automatisés, réseaux sociaux), elles sont souvent susceptibles de croitre très rapidement. Lorsqu’on parle de manipulation de données volumineux, on pense généralement à des problématiques sur La manipulation de ces données volumineux et sur leur la rapidité de traitement qu’on trouve généralement dans les vidéosurveillance avec ce nombre de déploiements de leur systèmes qui augmente régulièrement et constitués par de plus en plus de caméra, les opérations de vidéo surveillance ont des difficultés grandissantes d’exploitation dues aux grandes quantités de données vidéo stockées chaque jour. Et pour cela on s’intéresse à des méthodes parallèles pour la recherche des vidéos et la détection des vissages dans les vidéos de surveillance. Pour cela les programmeurs ont fait une solution à ce problème qui nommé MapReduce, qui est un cadre à l’aide que nous pouvons écrire des applications pour traiter d’énormes quantités de données, en parallèle, sur de grandes grappes de matériel de base d’une manière fiable. Pour traiter ces vidéos de surveillances il faut des framework qui manipulent ces grandes quantités de données telles que le framework Hadoop MapReduce qui est une infrastructure logicielle qui permet d’écrire des tâches traitant d’importantes quantités de données. Les données d’entrée sont divisées en blocs indépendants qui ensuite traitée en parallèle sur les noeuds d’un cluster. Le concept fondamental d’Hadoop réside dans la manipulation, le traitement et l’analyse de très grands jeux de données (qui se chiffrent en péta-octets), données qui sont alors automatiquement réparties dans ces espaces de stockage et des lots de traitement sur un ensemble de clusters de serveurs à bas coûts. D’un seul serveur à plusieurs milliers de machines, Hadoop est une solution évolutive qui embarque une capacité de tolérance aux pannes. Détection des défaillances et automatisation lui confèrent une excellente résistance. Derrière Hadoop se trouvent deux technologies importantes : MapReduce et le HDFS (le système de fichiers d’Hadoop). Pour ce faire, et pour mener à bien notre travail nous avons opté pour la démarche articulée autour des chapitres suivants : Dans le premier chapitre on a vu les systèmes de vidéos de surveillance et cette différente technologie ainsi que l’importance de l’indexation et la recherche dans vidéos. Et dans le deuxième chapitre on a défini le Framework Hadoop et le principe de MapReduce et ces importances pour la manipulation des données volumineux. Dans le troisième chapitre on a présenté le système de détection de visage et les méthodes utilisé pour faire détecter les visages. Finalement dans le quatrième chapitre: proposition d’algorithme scalable pour la détection de visage.