視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的GPU并行優(yōu)化.pdf

1、隨著經(jīng)濟(jì)、社會(huì)的發(fā)展，以及軟硬件技術(shù)不斷的進(jìn)步，各種圖像識(shí)別系統(tǒng)的研究與開發(fā)得到了越來越廣泛的重視。智能視頻分析是模式識(shí)別，機(jī)器視覺，圖像處理，人工智能等多學(xué)科的綜合，是一個(gè)很有應(yīng)用價(jià)值的研究課題。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是智能監(jiān)控的一個(gè)重要研究方向，它為更高層次的智能視頻分析奠定基礎(chǔ)。因?yàn)槠溥\(yùn)行結(jié)果對(duì)后續(xù)檢測(cè)分析步驟影響很大，人們對(duì)相關(guān)算法的檢測(cè)精度與運(yùn)行效率都提出了較高的要求。近些年來，隨著顯卡硬件的髙速發(fā)展以及性價(jià)比的提升，使用顯卡進(jìn)行

2、通用計(jì)算加速，越來越受到人們的關(guān)注。GPU通用計(jì)算為提高數(shù)字圖像算法的處理速度提供了一種有效方法。
　　本文首先對(duì)比CPU與GPU的計(jì)算特性，分析了CPU-GPU異構(gòu)系統(tǒng)的優(yōu)勢(shì)。介紹了NVIDIA公司推出的CUDA并行計(jì)算架構(gòu)，以及可以在CPU上和GPU上跨平臺(tái)實(shí)現(xiàn)并行處理的標(biāo)準(zhǔn)庫(kù)OpenCL。CUDA和OpenCL使得GPU擁有更好的可編程性，并對(duì)可圖像處理算法實(shí)現(xiàn)加速具有良好效果。
　　在背景建模各方法中，混合高斯建模方

3、法是檢測(cè)效果和適應(yīng)性都較好的方法，但其所需計(jì)算量巨大，難以實(shí)時(shí)實(shí)現(xiàn)。基于GPU平臺(tái)上的CUDA編譯環(huán)境，對(duì)混合高斯背景建模算法進(jìn)行并行化改進(jìn)。與串行算法比較可以達(dá)到接近5倍左右的加速，同時(shí)比OpenCV中的CUDA實(shí)現(xiàn)更快，證明對(duì)算法的并行優(yōu)化的有效性。
　　在復(fù)雜的實(shí)際環(huán)境中使用單一的檢測(cè)與跟蹤算法已無法滿足目標(biāo)跟蹤的實(shí)用性要求。本文基于光流法和壓縮跟蹤算法，提出一種融合跟蹤、在線學(xué)習(xí)以及檢測(cè)技術(shù)的目標(biāo)跟蹤方法。實(shí)驗(yàn)結(jié)果表明，該