چکیده فارسی :

در شهر هوشمند، دریافت اطلاعات تصویری(ویدئویی) دقیق برای کل سیستم شهری بسیار حیاتی است. با این حال حجم زیاد اطلاعات، خصوصیت اصلی چند دوربینی است و ما با داده ­های حجیم برای پردازش تصویر/فیلم روبرو هستیم. در توسعه شهر هوشمند مدرن، چگونگی بازیابی تصویری دقیق در یک سیستم چند دوربینی باید به طرز سختگیرانه­ای در نظر گرفته شود. در تحقیقات گذشته، روش­های زیادی در این زمینه ارائه شده است. که بر اساس دانش ما، تنها برخی از این تحقیقات بر اساس روش پردازش تحمل­پذیر خطای توزیع شده یاDFP هستند. با معرفی DFP، بهبود بسیار خوبی درنرخ پردازش مبتنی بر رایانش ابری صورت خواهد گرفت در نتیجه بهبود در این حوزه میتواند بسیار مثمر ثمر باشد. در این مقاله ما یک روش بازیابی تصاویر توزیع شده برای رایانش ابری بر اساس یک سیستم چند دوربین در شهر هوشمند معرفی میکنیم. با ترکیب فناوری ذخیره­سازی ابری، پنهان­سازی داده و فناوری بازیابی داده ما به یک روش تجمیع و مدیریت منابع چند دوربینی دست میابیم. در این روش داده شبکه رایانش ابری سریع­تر آزاد میشود که میتواند سرویس ذخیره­سازی مناسبی برای کاربران فراهم کند. آنچه که نتایج آزمایشات نشان میدهد مقیاس­پذیری و تاثیر روش پیشنهادی در مقایسه با سایر روش­های پیشین است.

چکیده انگلیسی‌:

In smart city, accurate video sensing information is very critical for the whole city system. However, huge amount of information is the main characteristic of multi-camera system, and we have truly been in big data era for image/video processing. In the development of modern smart city, how to make accurate image retrieval in multi-camera system should be considered seriously. In previous researches, many approaches have been put forward. To the best of our knowledge, there is few research focusing on the method based on distributed fault-tolerant processing (DFP) method. The introduction of DFP will greatly improve the processing rate based on cloud computing, so it will be beneficial to the improvement of this issue. In this paper, we propose a distributed image-retrieval method designed for cloud-computing based multi-camera system in smart city. Through the combination of the cloud storage technology, data encryption and data retrieval technology, we achieve efficient integration and management of multi camera resources. In this way, the cloud computing network data will be released more quickly, which can provide convenient storage service for users. What is more, experimental results show the scalability and effectiveness of the proposed method, compared with previous processing methods.