正如0x0fff在另一个答案中所说，这个问题没有提供足够的细节来推荐合适的体系结构。虽然这个问题很老了，但我只是补充了我在这个问题上的研究，以便它能帮助任何人的研究。
spark是在分布式系统上进行处理的一种很好的方法。但它并没有一个强大的社区致力于opencv。storm是另一个apache的免费开源分布式实时计算系统。storm使得可靠地处理无限的数据流变得很容易，就像hadoop对批处理所做的那样，它实现了实时处理。
stormcv是apache storm的扩展，专门设计用于支持分布式计算机视觉管道的开发。stormcv通过添加特定于计算机视觉（cv）的操作和数据模型，使storm能够用于视频处理。该平台的大部分cv操作都使用opencv，将这个库用于其他功能相对容易。
有几个将storm与opencv结合使用的示例。他们的官方git hub页面上有一些例子。你可能想看看这个人脸检测的例子，并尝试它做人类检测-https://github.com/sensorstorm/stormcv/blob/master/stormcv-examples/src/nl/tno/stormcv/example/e2_facedetectiontopology.java.

实际上，您可以使用hadoopstorm框架创建自定义逻辑。您可以轻松地集成某些特定计算机视觉库的任何功能，并将其分布到该框架的各个部分。此外，storm还有一个称为drpc服务器的扩展，它允许您将逻辑作为简单的rpc调用使用。在我的文章中，您可以找到一个简单的例子，说明如何使用opencv人脸检测在storm中处理视频文件

对于在hadoop上处理图像，组织计算的最佳方法是：
将图像存储在序列文件中。键-图像名称或其id，值-图像二进制数据。这样，您将拥有一个包含所有需要处理的图像的文件。如果将图像动态添加到系统中，请考虑将它们聚合到每日序列文件中。我不认为你应该对这个序列文件使用任何压缩，因为一般的压缩算法不能很好地处理图像
处理图像。这里有很多选择。首先是使用hadoopmapreduce并用java编写程序，就像使用java一样，您可以读取序列文件并在每个Map步骤上直接从中获取“值”，其中“值”是二进制文件数据。因此，您可以运行任何处理逻辑。第二种选择是hadoop流媒体。它有一个限制，所有的数据都进入应用程序的stdin，结果从stdout读取。但是您可以通过用java编写自己的inputformat来克服这个问题，该格式将序列文件中的图像二进制数据序列化为base64字符串，并将其传递给通用应用程序。第三种选择是使用spark来处理这些数据，但是您的编程语言选择仍然有限：scala、java或python。
hadoop是为了简化对大量数据的批处理而开发的。spark本质上是相似的—它是一个批处理工具。这意味着您在处理所有数据之前无法得到任何结果。spark streaming的情况有点不同——在这里，你处理1-10秒的微批次，并分别处理每一个，所以一般来说，你可以让它为你的案例工作。
我不知道你的完整案例，但一个可能的解决方案是使用Kafka+Spark流。应用程序应将二进制格式的图像放入kafka队列，而spark将在集群上以微批量的方式消费和处理这些图像，并通过第三个组件更新用户（至少通过将图像处理状态放入kafka以便其他应用程序进行处理）
但一般来说，您提供的信息并不完整，无法为您的具体案例推荐一个好的体系结构