基于GPU的目标跟踪算法研发与优化

发布时间：2017-09-04 18:11

  本文关键词：基于GPU的目标跟踪算法研发与优化

  更多相关文章： 目标跟踪 并行计算 RPT GPU

【摘要】：目标跟踪是智能视频分析研究领域内备受关注的关键课题之一,在安全监测、交通监控、视频摘要、人机交互、军事、车辆导航等应用领域都具有极其重要的作用,但面对复杂、多变的自然场景,在兼顾鲁棒性和计算效率上仍面临挑战。本论文对比分析了主流目标跟踪算法,选择基于RPT目标跟踪算法进行算法研发。通过正态分布概率模型构建目标分块,再从目标分块的灰度图像中提取31维FHOG特征,利用循环矩阵和傅里叶变换的特性,将计算转换至频域进行,而后通过核相关计算和闭式解模型对目标分块进行快速定位,并训练和更新模型,最后利用所有目标分块的跟踪和运动信息进行投票、筛选,达到目标跟踪的目的。为了提高目标跟踪算法的计算效率,分析了算法实现中各模块的执行时间及可并行性,在GPU平台上利用CUDA技术,针对执行时间较多的FHOG特征提取、核相关计算、模型训练与更新等模块,设计相应的并行计算优化方法,实现了基于GPU的目标跟踪算法并行优化。通过实验表明,本论文设计的GPU并行计算优化方法在维持跟踪准确度的同时提高了跟踪的执行速度,与CPU串行实现相比,GPU优化实现的加速比最高可达6.66倍,具有较好的工程应用价值。
【关键词】：目标跟踪 并行计算 RPT GPU
【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
• ABSTRACT6-11
• 1 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 目标跟踪研究现状12-14
• 1.2.2 GPU在视频图像领域的现状14-15
• 1.3 论文研究内容15-16
• 1.4 论文组织结构16-17
• 2 相关技术17-33
• 2.1 目标跟踪概述17-27
• 2.1.1 目标跟踪概念17-18
• 2.1.2 目标特征模型18-24
• 2.1.3 运动模型24-26
• 2.1.4 目标定位策略26-27
• 2.2 CUDA体系概述27-32
• 2.2.1 GPU硬件设备27
• 2.2.2 CUDA软件体系27-28
• 2.2.3 CUDA编程模型28-30
• 2.2.4 CUDA线程组织30-31
• 2.2.5 CUDA存储结构31-32
• 2.3 本章小结32-33
• 3 目标跟踪算法原理分析与研发33-50
• 3.1 主流目标跟踪算法对比分析33-34
• 3.2 KCF原理分析34-38
• 3.2.1 岭回归34-36
• 3.2.2 引入核函数36-37
• 3.2.3 快速定位37
• 3.2.4 核相关计算37-38
• 3.3 RPT原理分析38-43
• 3.3.1 序贯蒙特卡洛框架38-40
• 3.3.2 可跟踪分块的置信度40-41
• 3.3.3 目标分块的观测置信度41-42
• 3.3.4 Hough投票42-43
• 3.4 标跟踪算法研发43-49
• 3.4.1 KCF算法研发43-47
• 3.4.2 RPT算法研发47-49
• 3.5 本章小结49-50
• 4 基于GPU的目标跟踪算法并行优化50-63
• 4.1 RPT算法执行时间的实验与分析50-54
• 4.2 FHOG特征提取的并行优化54-57
• 4.3 核相关计算的并行优化57-60
• 4.3.1 线性核相关计算并行优化57-58
• 4.3.2 高斯核相关计算并行优化58-60
• 4.4 KCF快速定位的并行优化60-61
• 4.5 模型训练与更新的并行优化61
• 4.6 目标分块KCF跟踪的优化61-62
• 4.7 本章小结62-63
• 5 实验与分析63-74
• 5.1 实验环境63-64
• 5.2 KCF跟踪算法各模块对比64-68
• 5.2.1 FHOG特征提取64
• 5.2.2 核相关计算64-66
• 5.2.3 特征变换66-67
• 5.2.4 快速定位67
• 5.2.5 模型更新67-68
• 5.3 RPT跟踪算法整体对比68-72
• 5.3.1 执行时间69-70
• 5.3.2 准确度70-72
• 5.4 本章小结72-74
• 6 总结与展望74-76
• 6.1 总结74-75
• 6.2 展望75-76
• 参考文献76-81

【参考文献】

中国期刊全文数据库 前9条

1 程帅;孙俊喜;曹永刚;赵立荣;;增量深度学习目标跟踪[J];光学精密工程;2015年04期

2 齐美彬;陆磊;杨勋;杨艳芳;蒋建国;;基于自适应压缩特征选择的实时目标跟踪算法[J];模式识别与人工智能;2015年04期

3 闫钧华;杭谊青;许俊峰;储林臻;;基于CUDA的高分辨率数字视频图像配准快速实现[J];仪器仪表学报;2014年02期

4 贾海鹏;张云泉;徐建良;;基于OpenCL的图像积分图算法优化研究[J];计算机科学;2013年02期

5 袁国武;徐丹;;一种结合了纹理和颜色的运动目标跟踪算法[J];计算机应用与软件;2011年11期

6 孙伟平;向杰;陈加忠;余胜生;;基于GPU的粒子滤波并行算法[J];华中科技大学学报(自然科学版);2011年05期

7 吴鑫;张建奇;刘德连;黄曦;何国经;;CUDA架构下高效红外图像背景预测方法[J];西安电子科技大学学报;2011年06期

8 李培华;;一种新颖的基于颜色信息的粒子滤波器跟踪算法[J];计算机学报;2009年12期

9 程建;周越;蔡念;杨杰;;基于粒子滤波的红外目标跟踪[J];红外与毫米波学报;2006年02期

中国博士学位论文全文数据库 前1条

1 刘乐元;面向有限资源平台人机交互的人手检测与跟踪[D];华中科技大学;2012年

，

本文编号：793058