视频摘要算法研发及GPU优化

发布时间：2017-05-25 13:23

  本文关键词：视频摘要算法研发及GPU优化，，由笔耕文化传播整理发布。

【摘要】：随着人们对社会公共安全的日益关注,对安防监控系统的要求越来越高,如何在海量监控视频数据中快速找到有效的信息已经成为行业的迫切需求。视频摘要技术是对原始视频的高度浓缩,同时能保持视频中的关键信息,是解决这一问题的有效手段。本文研究了当前主流视频摘要的总体框架,分析了视频摘要中所需要的关键技术,包括运动目标检测和跟踪、轨迹提取、轨迹组合优化、摘要生成等核心算法。采用VIBE背景建模算法实现了运动目标的检测；根据目标检测与跟踪相结合的方法,基于KCF单人跟踪算法设计了多目标跟踪流程,进而提取和存储运动轨迹；采用基于能量函数的组合优化方法对提取的运动轨迹进行时间轴上的平移。针对能量函数最优解的求解,本文对模拟退火算法进行改进,设计了基于K-means聚类的模拟退火算法,解决初始解的产生问题,优化了视频摘要的视觉效果；最后将组合好的轨迹与背景进行融合,生成摘要视频。本文对视频摘要中各个模块进行实验与分析,对背景建模、目标跟踪、摘要生成三个耗时较多且并行性高的模块进行GPU并行计算,实现了线程级的并行优化。最后通过系统的实验测评,本文研发的视频摘要方法能去除视频中的时空冗余,大大浓缩原始视频的时间,并完整保留原始视频中的运动信息,能满足视频快速浏览的需求,同时也验证了GPU并行计算对视频摘要各模块和整体系统性能的优化效果。因此,本文研发的视频摘要算法具有很好的工程应用价值。
【关键词】：视频摘要 运动目标检测和跟踪 模拟退火 GPU并行计算
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢4-5
• 摘要5-6
• ABSTRACT6-13
• 1 绪论13-19
• 1.1 研究背景和意义13-14
• 1.2 国内外研究现状14-17
• 1.2.1 视频摘要技术研究现状14-16
• 1.2.2 GPU在视频分析领域的应用现状16-17
• 1.3 本文研究内容17-18
• 1.4 本文组织结构18-19
• 2 视频摘要相关技术19-34
• 2.1 视频摘要概述19-21
• 2.1.1 视频摘要基本思想19-20
• 2.1.2 视频摘要总体框架20-21
• 2.2 运动目标检测技术21-22
• 2.3 背景建模算法22-26
• 2.3.1 混合高斯背景建模23-24
• 2.3.2 码本背景建模24-25
• 2.3.3 VIBE背景建模25-26
• 2.4 运动目标跟踪技术26-28
• 2.4.1 基于区域的跟踪算法26-27
• 2.4.2 基于轮廓的跟踪算法27
• 2.4.3 基于特征的跟踪算法27-28
• 2.4.4 基于模型的跟踪算法28
• 2.5 轨迹组合技术28-30
• 2.5.1 基于运动过程的轨迹组合方法29
• 2.5.2 基于相似活动聚类的轨迹组合方法29
• 2.5.3 基于多视频的轨迹组合方法29
• 2.5.4 基于视觉感知的轨迹组合方法29-30
• 2.6 CUDA并行优化平台概述30-33
• 2.6.1 GPU与CPU的架构区别30-31
• 2.6.2 基于GPU的CUDA平台架构31-33
• 2.7 本章小结33-34
• 3 视频摘要算法原理与实现34-60
• 3.1 运动目标检测34-38
• 3.1.1 VIBE背景建模算法原理34-35
• 3.1.2 VIBE背景建模实现35-37
• 3.1.3 实验结果37-38
• 3.2 运动目标跟踪及轨迹提取38-43
• 3.2.1 KCF跟踪算法原理39-40
• 3.2.2 基于KCF跟踪算法的多人跟踪40-42
• 3.2.3 运动目标轨迹提取42
• 3.2.4 实验结果42-43
• 3.3 基于能量函数的轨迹组合优化43-52
• 3.3.1 能量函数的定义44-46
• 3.3.2 基于聚类的模拟退火优化算法46-50
• 3.3.3 实验结果50-52
• 3.4 视频摘要生成52-55
• 3.4.1 摘要生成过程53
• 3.4.2 摘要生成过程优化53-54
• 3.4.3 背景融合54
• 3.4.4 实验结果54-55
• 3.5 系统实验及结果分析55-59
• 3.6 本章小结59-60
• 4 基于GPU的并行优化60-74
• 4.1 CPU版本的视频摘要系统性能分析60-61
• 4.2 VIBE背景建模算法的GPU优化设计61-66
• 4.2.1 VIBE背景建模算法的线程级并行优化62-66
• 4.3 跟踪算法的GPU优化设计66-68
• 4.4 摘要生成的GPU优化设计68-69
• 4.5 实验及结果分析69-72
• 4.5.1 GPU软硬件信息69-70
• 4.5.2 背景建模GPU优化70-71
• 4.5.3 跟踪GPU优化71
• 4.5.4 摘要生成GPU优化71-72
• 4.5.5 系统性能测试72
• 4.6 本章小结72-74
• 5 总结与展望74-76
• 5.1 总结74-75
• 5.2 展望75-76
• 参考文献76-82
• 作者简介82

【相似文献】

中国期刊全文数据库 前10条

1 马伯宁;王晨昊;汤晓安;匡纲要;;基于GPU的二维离散小波变换快速计算[J];国防科技大学学报;2011年03期

2 ZW;;3D游戏利器 主流嵌入式处理器GPU逐个看[J];电脑迷;2011年19期

3 王志国;王贵锦;施陈博;苗权;林行刚;;积分图像的快速GPU计算[J];计算机应用研究;2011年10期

4 卢永菁;王东;;基于GPU的高速网络入侵检测系统设计[J];计算机工程与应用;2011年33期

5 储t熆

本文编号：393890