Przez strumień multimedialny rozumiemy ciąg elementów strumienia: klatek obrazu dla strumieni wideo albo próbek dźwięku dla strumień audio. Strumienie wideo umożliwiają przedstawienie ruchomych obrazów zarejestrowanych kamerą i mogą się różnić między sobą częstotliwością rejestracji obrazów oraz ich rozdzielczością. Podobnie strumieni audio mogą mieć różne częstotliwości próbkowania jak również liczbą poziomów kwantyzacji próbkowania.
Jest wiele zastosowań systemów automatycznego przetwarzania strumieni audio/wideo. Wśród głównych celów ich budowy można wymieć następujące [bovik09]:
• Kodowanie i dekodowanie (ang. encoding and decoding) – umożliwia przetworzenie obrazów i dźwięków do postaci spakowanych i z powrotem do oryginalnej, dzięki temu zajmują mniej miejsca na dysku i wykorzystują mniejsze pasmo sieciowe podczas transmisji.
• Odnawianie (ang. restoration) – umożliwia odtworzenie oryginalnego stanu filmu lub ścieżki dźwiękowej na podstawie uszkodzonej kopii, jest to szczególnie istotne w przypadku przechowywania danych w formie analogowej i późniejszej ich digitalizacji.
• Wzbogacanie (ang. ehancement) – umożliwia dodanie pewnych elementów obrazu i dźwięku do istniejących nagrań, typowym przykładem jest wprowadzanie kolorów do czarno-białych filmów.
• Stabilizacja obrazów (ang video stabilization) – umożliwia rozpoznanie stałych części w ruchomych scenach wideo, w tym eliminacja wpływu trzęsienia i obrotów kamerą, jak również odnajdowanie maski tła i poruszających się obiektów.
• Składanie obrazów (ang. video mosaicing) – umożliwia tworzenie pojedynczego obrazu statycznego ze złożenia wielu obrazów ze strumienia wideo, dzięki czemu obejmuje on większą powierzchnię i może posiadać lepsze charakterystyki jakościowe np. wyższą rozdzielczość w porównaniu z oryginałem wideo.
• Streszczanie wideo (ang. video summarization) – umożliwia tworzenie streszczenia filmu, automatyczne indeksowanie oraz na tej podstawie odtwarzanie wybranych fragmentów strumienia.
• Obserwacja wideo (ang. video surveillance) – umożliwia wykrycie i śledzenie niebezpiecznych obiektów, osób i całych sytuacji. Jest to szczególnie ważne dla ochrony takich obiektów jak lotniska, stacje kolejowe/metra czy zabezpieczenie ruchu ulicznego.
• Rozpoznawanie twarzy (ang. face recognition) – jest związane z obserwacją wideo i umożliwia detekcję twarzy na obrazie wideo, a następnie przypisanie do niej konkretnych danych personalnych.
• Automatyczne rozpoznawanie mowy (ASR, ang. automatic speech recongnition) – umożliwia automatyczną konwersję zarejestrowanych słów na tekst pisany. Może ono być wspomagane poprzez równoczesną analizę mimiki twarzy osoby mówiącej.
Systemy komputerowe rozwiązujące powyżej przedstawione problemy są trudne do realizacji, a obecnie stosowane algorytmy są niedoskonałe i wymagają dużej mocy obliczeniowej.
Dodatkowym, często wykorzystywanym wymaganiem jest ich wykonywanie w czasie rzeczywistym, kiedy to płynący strumień multimedialny musi być na bieżąco analizowany i modyfikowany. Uwzględniając powyższe założenia można przedstawić podstawowe procedury zarządzania poszczególnymi domenami dotyczącymi przetwarzania strumieni multimedialnych w czasie rzeczywistym. Takie zadanie powstało przy realizacji platformy KASKADA (patrz rozdz. 3 ). Odpowiednio skonfigurowane źródła danych rejestrują strumienie audio/wideo (patrz rys. 5), które następnie są odczytywane przez realizującą przetwarzanie platformę (system komputerowy).
Następnie ich format musi być dostosowany do wykorzystywanych protokołów przesyłania danych, a cały strumień przypisany do odpowiadającego mu zadania, po czym jest on dekodowany, analizowany i modyfikowany przez zadanie (obliczenia) a następnie ponownie kodowany i archiwizowany. Tak zarejestrowany strumień może być ponownie odczytany do wykorzystania Rysunek 5: Podstawowa procedura zarządzania danymi dla przetwarzania strumieni multimedialnych w czasie rzeczywisym.
Rysunek 6: Podstawowa procedura zarządzania zasobami dla przetwarzania strumieni multimedialnych w czasie rzeczywisym.
zasoby monitorowanie
obciążenia zasobów
zgłoszenia zapotrzebowania na zasoby
oczekiwanie na zasoby
alokacja zasobów do zadań
analiza możliwości wykorzystania zasobów wykorzystanie zasobów
przez zadania
konfiguracja dostępnych zasobów
odrzucenie
konfiguracja
źródła danych odczyt danych
transformacja do protokołów
platformy
przypisanie strumienia do zadania
analiza strumienia w zadaniu archiwizacja strumieni wynikowych
dekodowanie strumienia kodowanie
strumienia
zapotrzebowanie na dane do analizy
przez obliczenia off-line (już bez wymogów czasu rzeczywistego).
Przez zasoby rozumiemy sprzęt komputerowy, np. węzły klastra obliczeniowego służące do wykonywania obliczeń na strumieniach multimedialnych. Na rys. 6 przedstawiono typową procedurę zarządzania zasobami obliczeniowymi. Odpowiednio skonfigurowane zasoby są ciągle monitorowane ze względu na ich obciążenie. Z drugiej strony system oczekuje na zgłoszenia zapotrzebowania na zasoby i w przypadku odbioru takiego żądania, na podstawie aktualnego stanu wykorzystania zasobów analizuje możliwość dostarczenia odpowiednich zasobów. Jeśli jest to możliwe alokuje zasoby dla zadań (obliczeń). Po wykonaniu obliczeń, wykorzystane zasoby są zwracane do systemu, gdzie mogą być ponownie przydzielane.
Typowym sposobem wymiany informacji pomiędzy komponentami systemu rozproszonego, jakimi są systemy przetwarzające strumienie multimedialne w czasie rzeczywistym jest komunikacja poprzez sieć komputerową. Na rys. 7 przedstawiona została typowa procedura zarządzania komunikacją w takim systemie. System po odpowiednim skonfigurowaniu, oczekuje na zgłoszenia potrzeby komunikacji od zadań obliczeniowych, które przekazują między sobą odpowiednie komunikaty zawierające dane ze strumieni lub informacjami o wystąpieniu danego zdarzenia.
Następnie następuje konwersja danych dla potrzeb wykorzystywanego protokołu komunikacyjnego oraz identyfikacja odbiorcy, do którego przesyłany jest dany komunikat. Na podstawie konfiguracji systemu wybierane jest odpowiednie łącze komunikacyjne, z którego po stronie odbiorcy następuje odbiór komunikatu, po którym następuje konwersja danych, tak aby były one dostosowane do potrzeb odbiorcy i w zależności od konfiguracji logowanie i monitorowanie, którego działanie może wpłynąć na wysyłanie kolejnego komunikatu (np. ograniczenie ze względu na zbyt duże wykorzystanie pasma sieciowego).
Zakładamy, że w systemie przetwarzania strumieni multimedialnych czasu rzeczywistego obliczenia będą realizowane przez zadania obliczeniowe. Na rys. 8 przedstawiono procedurę zarządzania obliczeniami, gdzie system komputerowy oczekuje na żądania wykonania obliczeń i po otrzymaniu takiego zgłoszenia od użytkownika, na podstawie zadanej konfiguracji wykonuje analizę wymagań na zasoby. Następnie jeśli odpowiednie zasoby są dostępne uruchamia zadania obliczeniowe i je realizuje, jednocześnie monitorując ich przebieg, aż do momentu zakończenia obliczeń. Wówczas zajęte zasoby są zwalniane i wykorzystane do obsługi kolejnych żądań.
Należy podkreślić, że poszczególne procedury, opisane nawet na tak wysokim poziomie ogólności są równolegle realizowane i przenikają się wzajemnie. To implikuje, że obliczenia na strumieniach Rysunek 7: Podstawowa procedura zarządzania komunikacją dla przetwarzania strumieni
multimedialnych w czasie rzeczywistym muszą wykorzystywać zintegrowany system zarządzania opisanymi domenami, co zostało zrealizowane na platformie KASKADA i opisane w rozdz. 3 niniejszej rozprawy.