1

Sistema Escalável para Processamento de Vídeo

Orientado: Fábio R. Roman

Orientador: Maurício A. Pillon

2

Tópicos

Introdução; Computação Paralela; Processamento de Imagens; Trabalhos Correlatos; Proposta de um Sistema Escalável para

processamento de vídeo; Considerações Finais.

3

Introdução

A cada dia cresce mais a utilização de dados no formato de vídeo: Gravação de filmes; Propagandas para publicidade; Filmagens espaciais; Filmagens caseiras; ...

Principais motivos: Aumento da capacidade de armazenamento dos computadores; Diminuição dos custos financeiros dos dispositivos digitais para gravação

de vídeos. Processar uma grande demanda de dados exige que os recursos

computacionais sejam cada vez mais poderosos (GUAN; KUNG; LARSEN, 2005);

Possível solução: Computação Paralela.

4

Objetivo Geral

Desenvolver um sistema escalável para processamento de vídeo, baseado em um sistema de processamento de vídeo distribuído através de seu fracionamento em GOP escalonados em uma plataforma cluster.

5

Objetivos Específicos

Realizar estudo sobre processamento de imagens; Realizar estudo sobre programação paralela; Realizar um estudo sobre avaliação de desempenho; Modelar um sistema escalável para processamento de

vídeo; Implementar o sistema; Testar o sistema desenvolvido; Analisar os resultados obtidos.

6

Motivação

Um sistema escalável para processamento de vídeo poderá trazer diversos benefícios a um custo monetário relativamente baixo, pois a medida que as aplicações necessitem de mais poder computacional, mais recursos poderiam ser inseridos ao sistema.

Aumentar proporcionalmente o desempenho de uma aplicação (eficiência), conforme os recursos são inseridos no sistema.

Concluir uma tarefa em um tempo inferior em comparação com um sistema com menor número de recursos computacionais.

7

Computação Paralela

Princípio: realizar vários cálculos simultaneamente, onde uma tarefa maior pode ser dividida em partes menores para serem executadas concorrentemente e assim concluir um objetivo mais rapidamente (FERREIRA, 2006).

Conforme Flynn, existem duas categorias principais de máquinas paralelas com múltiplos fluxos de instruções e múltiplos fluxos de dados, a arquitetura de multiprocessadores e multicomputadores (EL-REWINI; ABD-

EL-BARR, 2005) . Multicomputadores Cluster. Cluster Troca de Mensagens MPI (Message Passing

Interface)

8

Computação Paralela

Arquiteturas de Sistemas Distribuídos:Par-a-par;Cliente/Servidor;

Mestre/Escravo;

Sistemas de Arquivos Distribuídos:Objetivo: Fornecer a um cluster uma área de

armazenamento permanente com alta capacidade e que forneça uma visão homogênea dos dados para todos os nós. (KASSICK, 2010)

9

Sistemas de Arquivos Distribuídos

Sistema Arquitetura

Global File System Descentralizada

Google File System (GFS) Descentralizada

NFS (Network File System) Centralizada

NFSp (NFS Parallel) Escritas Centralizadas/

Leituras Descentralizadas

dNFSp (Distributed NFSp) Descentralizada

dNFSp2 Descentralizada

10

Sistemas de Arquivos Distribuídos dNFSp: (KASSICK; BOITO; NAVAUX, 2009)

Implementado sobre o protocolo NFS; Meta-servidores: Armazenam os metadados; Servidores de dados: Armazenam os dados; Acesso transparente; Replicação; Consistência;

11

Processamento de Imagens

Processar uma imagem digital consiste em técnicas para capturar, representar e transformar imagens com o auxílio do computador, com isso, extrair e identificar mais facilmente as informações nelas presentes (PEDRINI; SCHWARTZ, 2008).

Etapas (GONZALEZ; WOODS, 2000): Aquisição; Pré-processamento; Segmentação; Representação e Descrição; Reconhecimento e Interpretação;

12

Etapa de Pré-Processamento de Imagens

Corrigir, retocar ou remover imperfeições, ou ainda ajustar as cores de uma imagem, com o objetivo de melhorá-la. Restauração:

Métodos para tentar diminuir a degradação ou recuperar por completo uma imagem.

Realce: Acentuar as características relevantes de uma

imagem.

13

Convolução Espacial Realce de altas, médias ou baixas frequências de variação

tonal da imagem, alterando o valor de cada pixel da imagem com base no cálculo da vizinhança de um pixel (BRANCO; ALMEIDA; FILHO, 2005).

O cálculo é realizado através valores pré-estabelecidos, dispostos em uma matriz, denominada máscara:

14

Trabalhos Correlatos

15

Proposta de um Sistema Escalável para Processamento de Vídeo

Processamento de Vídeo; Inspirado no trabalho realizado por Flohr (2010); Características:

Escalabilidade; Cluster; MPI; Mestre/Escravo; Sistema de Arquivos Distribuídos. Vídeo fracionado temporalmente em GOP (Group Of

Pictures);

16

Arquitetura do Sistema Proposto

17

Servidores de Arquivos Distribuídos (SAD) Função: Armazenamento do vídeo de maneira

transparente aos nós conectados a eles.

18

Servidor Auxiliar (SA) Funções:

Fracionamento das porções de vídeo; Escalonamento dos GOP aos Nós; União dos GOP processados em uma porção de vídeo.

19

Servidor Auxiliar (SA) Escalonamento:

Ferramenta de fracionamento do vídeo: Ffmpeg.

Balanceamento de carga adaptativo.

20

Servidor Auxiliar Híbrido (SAH)

Um Servidor Auxiliar com processos adicionais: Coordenação das porções do vídeo a cada SA; União das porções processadas em um único vídeo.

21

Servidor Auxiliar Híbrido (SAH)

Coordenação das porções do vídeo a cada SA:

22

Nós

Função: Realizar o tratamento de cada imagem dos GOP através de um filtro por convolução espacial.

23

Funcionamento

24

Considerações Finais Esse trabalho descreveu um sistema escalável de alto

desempenho pra processamento de vídeo distribuído em forma de GOP, para então, aplicar técnicas de processamento de imagens em cada frame do vídeo separadamente.

Dados no formato de vídeo exigem um bom fluxo de comunicação para transmissão e armazenamento dos mesmos, devido ao tamanho dos arquivos Sistema de Arquivos Distribuídos.

Uma vez desenvolvido com eficiência, este trabalho poderá servir como modelo para outros tipos de aplicações que desejam paralelizar o processamento, visando melhorar o desempenho computacional em relação a um sistema sequencial, principalmente na área de processamento de vídeos e imagens.

25

Cronograma

1 - Levantamento de bibliografias; 2 - Analisar e entender a implementação do sistema realizado por

(FLOHR, 2010). 3 - Estudar e definir possíveis filtros que serão utilizados no

processamento de vídeo. 4 - Modelar sistema. 5 - Escrita do TCC-I.

26

Cronograma

6 - Implementar o sistema. 7 - Realizar testes e análises de desempenho. 8 - Escrita do TCC-II. 9 - Elaborar artigo técnico-científico.

27

Referências

BARBOSA, Jorge Manuel Gomes. Paralelismo em Processamento e Analise de Imagens Médicas. Faculdade de Engenharia da Universidade do Porto. Tese de Doutorado. 2000.

BRANCO, Fábio Cardinale; ALMEIDA, Teodoro Isnard Ribeiro de; FILHO, Carlos Roberto de Souza. Filtros de convolução proporcionais para realce de imagens. Universidade de São Paulo. SP. 2005.

EL-REWINI, H.; ABD-EL-BARR, M. Advanced Computer Architecture And Parallel Processing. [S.l.]: Wiley - Interscience, 2005.

FERREIRA, Roberta Ribeiro. Caracterizarão de Desempenho de uma Aplicação Paralela do Método de Elemento Finitos em Ambientes Heterogêneos. Dissertação de Mestrado. Brasília. 2006

28

Referências

FLOHR, Eduardo. Sistema de Distribuição de GOP em Cluster. Trabalho de Conclusão de Curso. Universidade do Estado de Santa Catarina – UDESC, Joinville. 2010.

GONZALEZ, Rafael C; WOODS, Richard E. Processamento de Imagens Digitais. Edgard Blücher. 2000.

GUAN, L.; KUNG, S. Y.; LARSEN, J. Multimedia Image and Video Processing. 3th ed. [S.l.]: CRC Press, 2005.

KASSICK, Rodrigo ; BOITO, Francieli ; NAVAUX, Philippe. Impact of I/O Coordination on a NFS-based Parallel File System with Dynamic Reconfiguration. Porto Alegre - RS. 2009.

29

Referências

KASSICK, Rodrigo Virote. Reconfiguração Automática de I/O para Aplicações Paralelas no Sistema de Arquivos dNFSp2. Dissertação de Mestrado. Universidade Federal do Rio Grande do Sul. Porto Alegre. 2010.

PEDRINI, Hélio; SCHWARTZ, William Robson. Análise de imagens digitais: princípios, algoritmos e aplicações. Thomson Learning. São Paulo. 2008.

SEINSTRA, Frank J. et al. High-Performance Distributed Video Content Analysis with Parallel-Horus. University of Amsterdam. 2007.

VIEIRA, C. Distribuição de um algoritmo de detecção de formas. Trabalho de Conclusão de Curso - BCC – UDESC. 2008.