Procesamiento distribuido de flujos de video sobre plataforma de Big Data
- Autores
- Lavallén, Pablo Javier
- Año de publicación
- 2018
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Tolosa, Gabriel Hernán
- Descripción
- Fil: Lavallén, Pablo Javier. Universidad Nacional de Luján. Argentina.
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. - Materia
-
Procesamiento de Imágenes
Big Data
Spark
SVM
HOG
Performance - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de Luján
- OAI Identificador
- oai:ri.unlu.edu.ar:rediunlu/1113
Ver los metadatos del registro completo
id |
REDIUNLU_8f215a6d99aba8ed2eabb4422448f256 |
---|---|
oai_identifier_str |
oai:ri.unlu.edu.ar:rediunlu/1113 |
network_acronym_str |
REDIUNLU |
repository_id_str |
w |
network_name_str |
REDIUNLU (UNLu) |
spelling |
Procesamiento distribuido de flujos de video sobre plataforma de Big DataLavallén, Pablo JavierProcesamiento de ImágenesBig DataSparkSVMHOGPerformanceFil: Lavallén, Pablo Javier. Universidad Nacional de Luján. Argentina.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.Universidad Nacional de LujánTolosa, Gabriel Hernán2022-05-03T14:32:26Z2022-05-03T14:32:26Z2018-02Thesisinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttp://ri.unlu.edu.ar/xmlui/handle/rediunlu/1113spaesinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:REDIUNLU (UNLu)instname:Universidad Nacional de Luján2025-09-29T14:29:50Zoai:ri.unlu.edu.ar:rediunlu/1113instacron:UNLuInstitucionalhttps://ri.unlu.edu.arUniversidad públicaNo correspondehttps://ri.unlu.edu.ar/oaivcano@unlu.edu.ar;fgutierrez@mail.unlu.edu.ar;faquilinogutierrez@gmail.com ArgentinaNo correspondeNo correspondeNo correspondeopendoar:w2025-09-29 14:29:50.702REDIUNLU (UNLu) - Universidad Nacional de Lujánfalse |
dc.title.none.fl_str_mv |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
title |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
spellingShingle |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data Lavallén, Pablo Javier Procesamiento de Imágenes Big Data Spark SVM HOG Performance |
title_short |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
title_full |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
title_fullStr |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
title_full_unstemmed |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
title_sort |
Procesamiento distribuido de flujos de video sobre plataforma de Big Data |
dc.creator.none.fl_str_mv |
Lavallén, Pablo Javier |
author |
Lavallén, Pablo Javier |
author_facet |
Lavallén, Pablo Javier |
author_role |
author |
dc.contributor.none.fl_str_mv |
Tolosa, Gabriel Hernán |
dc.subject.none.fl_str_mv |
Procesamiento de Imágenes Big Data Spark SVM HOG Performance |
topic |
Procesamiento de Imágenes Big Data Spark SVM HOG Performance |
dc.description.none.fl_txt_mv |
Fil: Lavallén, Pablo Javier. Universidad Nacional de Luján. Argentina. 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. |
description |
Fil: Lavallén, Pablo Javier. Universidad Nacional de Luján. Argentina. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-02 2022-05-03T14:32:26Z 2022-05-03T14:32:26Z |
dc.type.none.fl_str_mv |
Thesis info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
acceptedVersion |
dc.identifier.none.fl_str_mv |
http://ri.unlu.edu.ar/xmlui/handle/rediunlu/1113 |
url |
http://ri.unlu.edu.ar/xmlui/handle/rediunlu/1113 |
dc.language.none.fl_str_mv |
spa es |
language |
spa |
language_invalid_str_mv |
es |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional de Luján |
publisher.none.fl_str_mv |
Universidad Nacional de Luján |
dc.source.none.fl_str_mv |
reponame:REDIUNLU (UNLu) instname:Universidad Nacional de Luján |
reponame_str |
REDIUNLU (UNLu) |
collection |
REDIUNLU (UNLu) |
instname_str |
Universidad Nacional de Luján |
repository.name.fl_str_mv |
REDIUNLU (UNLu) - Universidad Nacional de Luján |
repository.mail.fl_str_mv |
vcano@unlu.edu.ar;fgutierrez@mail.unlu.edu.ar;faquilinogutierrez@gmail.com |
_version_ |
1844621817661095936 |
score |
12.559606 |