Εντοπίστηκε ένα σφάλμα στη λειτουργία της ΠΥΞΙΔΑΣ όταν χρησιμοποιείται μέσω του προγράμματος περιήγησης Safari. Μέχρι να αποκατασταθεί το πρόβλημα, προτείνουμε τη χρήση εναλλακτικού browser όπως ο Chrome ή ο Firefox. A bug has been identified in the operation of the PYXIDA platform when accessed via the Safari browser. Until the problem is resolved, we recommend using an alternative browser such as Chrome or Firefox.
 

Serverless video analytics platform

dc.contributor.opponentXylomenos, Georgeel
dc.contributor.thesisadvisorKalogeraki, Vanael
dc.creatorΠατσιλίβας, Ανδρέαςel
dc.date.accessioned2025-03-26T19:06:13Z
dc.date.available2025-03-26T19:06:13Z
dc.date.issued29-09-2023
dc.date.submitted2023-10-22 19:05:53
dc.description.abstractΗ ψηφιακή εποχή έχει δημιουργήσει μια ραγδαία αύξηση δεδομένων. Ένας τομέας που έχει δημιουργηθεί για την επεξεργασία όλα αυτών, είναι η ανάλυση μεγάλων δεδομένων. Ο συγκεκριμένος κλάδος παρέχει λύσεις και πληροφορίες για διάφορους επιχειρηματικούς τομείς, συμπεριλαμβανομένων των επιχειρήσεων, των κρατικών λειτουργιών κ.λπ. Ωστόσο, η ανάλυση αυτών των δεδομένων μπορεί να είναι δύσκολη και οι παραδοσιακές μέθοδοι που χρησιμοποιούνται είναι συχνά δαπανηρές και χρονοβόρες. Επιπλέον, η ανάλυση βίντεο γίνεται συνεχώς όλο και πιο σημαντική, επιτρέποντας στους οργανισμούς να εξάγουν πολύτιμες πληροφορίες από πηγές οπτικών δεδομένων όπως κάμερες παρακολούθησης, drones κ.λπ.Για την αντιμετώπιση αυτών των προκλήσεων και συγκεκριμένα στην ανάλυση βίντεο, προτείνεται μια serverless πλατφόρμα ανάλυσης βίντεο, η οποία στοχεύει στην ανάπτυξη μιας πλατφόρμας ανάλυσης βίντεο χρησιμοποιώντας εργαλεία ανοιχτού κώδικα. Αξιοποιώντας τη serverless αρχιτεκτονική, η πλατφόρμα προσφέρει επεκτασιμότητα, οικονομική αποδοτικότητα και ευελιξία. Επιπλέον, λόγω της επιλογής containerized αρχιτεκτονικής, η πλατφόρμα επιπλέον προσφέρει απομόνωση και φορητότητα, ωστόσο παρουσιάζει ιδιαιτερότητές ενορχήστρωσης και ασφαλείας.Η προτεινόμενη πλατφόρμα ανάλυσης βίντεο χρησιμοποιεί τις τεχνολογίες OpenFaaS, Python, OpenCV, YOLO και MinIO για την αυτοματοποίηση της ανάλυσης βίντεο. Η αρχιτεκτονική έχει σχεδιαστεί για προσαρμοστικότητα και επεκτασιμότητα. Οι αξιολογήσεις επιλεγμένων σεναρίων πραγματικού κόσμου αποκάλυψαν την αποτελεσματικότητα της πλατφόρμας, ακόμη και χωρίς υποστήριξη καρτών γραφικών (GPU). Η πλατφόρμα υπόσχεται ανάλυση βίντεο σε πραγματικό χρόνο σε serverless περιβάλλοντα, με περιθώρια βελτίωσης μέσω της υποστήριξης GPU και βελτιστοποιήσεων.Τέλος, αυτή η εργασία δημιούργησε με επιτυχία μια serverless πλατφόρμα ανάλυσης βίντεο χρησιμοποιώντας εργαλεία ανοιχτού κώδικα, αποδεικνύοντας την αποτελεσματικότητά της σε σενάρια πραγματικού κόσμου. Η προσαρμοστικότητά της και οι δυνατότητες διαχείρισης πόρων, καθιστούν την πλατφόρμα μια πολλά υποσχόμενη επιλογή για εφαρμογές ανάλυσης βίντεο, αναδεικνύοντας τις δυνατότητες των serverless αρχιτεκτονικών στην ανάλυση βίντεο. Η πλατφόρμα έχει τη δυνατότητα να φέρει μια καινοτόμα υλοποίηση στον κόσμο της ανάλυσης βίντεο παρέχοντας μια οικονομικά αποδοτική, επεκτάσιμη και προσαρμόσιμη λύση.el
dc.description.abstractThe digital age has brought about an explosion of data, and one tool that has emerged to help make sense of it all is big data analytics. This tool provides insights across various sectors, including business, healthcare, government operations and more. However, analyzing this data can be challenging, and traditional methods are often expensive and time-consuming. In this data-rich landscape, video analytics has also become increasingly important, enabling organizations to extract valuable information from visual data sources like surveillance cameras, drones, etc.To address these challenges and specifically video analysis tasks, a serverless video analytics platform has been proposed, which aims to develop a serverless video analytics platform using open-source tools. By leveraging serverless computing, the platform offers automatic scalability, cost-effectiveness, and versatility. Additionally, containerization enhances software deployment with isolation and portability, but also presents orchestration and security challenges.The proposed video analytics platform employs OpenFaaS, Python, OpenCV, YOLO, and MinIO to automate video analysis. The architecture is designed for adaptability and scalability. Real-world scenario evaluations revealed the platform's efficiency, even without GPU support. The platform holds promise for real-time video analytics in serverless environments, with room for improvement through GPU support and optimizations.In conclusion, this research successfully created a serverless video analytics platform using open-source tools, demonstrating its efficiency in real-world scenarios. Its adaptability and resource management capabilities make it a promising choice for various video analysis applications, showcasing the potential of serverless architectures in video analytics. The platform has the potential to revolutionize the world of video analytics by providing a cost-effective, scalable, and adaptable solution for analyzing vast amounts of visual data.en
dc.embargo.expire2023-10-22 19:05:53
dc.embargo.ruleOpen access
dc.format.extent38p.
dc.identifierhttp://www.pyxida.aueb.gr/index.php?op=view_object&object_id=10779
dc.identifier.urihttps://pyxida.aueb.gr/handle/123456789/1011
dc.rightsCC BY: Attribution alone 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectΜεγάλα Δεδομέναel
dc.subjectΑνάλυση δεδομένωνel
dc.subjectΑνάλυση videoel
dc.subjectBig Dataen
dc.subjectData analyticsen
dc.subjectComputer visionen
dc.subjectContainersen
dc.subjectServerelessen
dc.titleServerless video analytics platformel
dc.title.alternativeServerless πλατφόρμα ανάλυσης βίντεοen
dc.typeText

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Τώρα δείχνει 1 - 1 από 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Patsilivas_2023.pdf
Μέγεθος:
1.17 MB
Μορφότυπο:
Adobe Portable Document Format