随着城市规模的不断扩大,采用传统的人工手段对目标人员进行监控和排查,代价高、效率低。而随着图像识别技术的发展,通过摄像头采集到的人脸图片可以分析出人员的人脸特征,依靠这些特征可以还原人员的轨迹信息,为公安机关的侦查和监控提供重要参考。然而,视频监控数据具有数据量大,数据密度低,数据时空属性明显的特点,因此如何针对海量的监控数据进行高效的存储和分析,是一个极具研究价值的课题。针对以上背景,本文设计并实现了一个面向目标人员的分布式轨迹生成系统,能够针对多源异构的监控数据进行分布式存储和计算,从数据存取和轨迹计算两方面提高轨迹生成效率,快速完成轨迹还原、落脚点分析、同行分析、伴随分析等任务。本文主要完成以下工作:1.设计并实现了一个主从架构的分布式轨迹生成系统,主节点负责任务调度与资源管理,从节点负责完成具体的存储与轨迹生成任务。2.通过对应用场景的分析,设计并实现了针对监控数据的时空属性进行优化的分布式存储引擎,该引擎采用内存多缓存策略和时空二维索引技术,实现多路摄像头数据的高效并发存取。3.基于分布式存储引擎和监控数据的时空属性,设计并实现了分布式轨迹生成引擎,该引擎包含分布式特征聚类算子和分布式关联规则挖掘算子。分布式特征聚类算子的实现基于K-Means算法和DBSCAN算法,并采用数据分片、多核并发、搜索合并、数据临近计算等方法对监控数据的时空属性进行优化,提高轨迹生成效率;分布式关联规则挖掘算子的实现基于Fp-Growth算法,采用分布式支持度统计和分布式频繁项集挖掘的方式,提高伴随分析的效率。4.本文对目标人员分布式轨迹生成系统进行了详细的功能测试和性能测试,并结合应用场景对测试结果进行了详细分析。