基于GPU并行计算的智能视频分析技术

发布时间：2017-09-24 23:39

  本文关键词：基于GPU并行计算的智能视频分析技术

  更多相关文章： 智能视频分析 GPU并行计算 行人重识别 运动目标检测与跟踪

【摘要】：智能视频分析技术作为计算机视觉中的新生代技术近年来发展迅速。然而,智能视频分析算法本身的计算复杂度和视频数据的数据密集性使得实时地智能视频分析处理面临较大困难。GPU通用计算具有广泛的实际应用价值,在很多计算领域都取得了明显的并行加速效果。因此,基于GPU并行计算的智能视频分析处理具有重要的研究意义。本文以智能视频分析技术和GPU并行计算技术为研究对象,开展了基于GPU并行计算的高性能智能视频分析技术研究。具体工作包括：第一,通过对智能视频分析技术处理流程的详细分析,首先将智能视频分析功能划分为高、低两个层次。针对低层次智能视频分析技术,重点研究了运动目标检测和跟踪的GPU并行化技术,设计并实现了基于背景减除法的运动目标检测的GPU并行化方案和基于MeanShift的GPU并行运动目标跟踪方案,加速了智能视频分析流程中最初的关键步骤的处理速度,实现了运动目标检测和跟踪的实时处理,在多种数据集上进行实验验证了方案能够的实时处理能力,为后续更高层次功能的实时应用奠定基础。第二,针对高层次智能视频分析技术,研究了行人重识别问题。通过将行人重识别问题解构为行人检测、特征提取和特征匹配等三个子问题,设计了行人重识别的GPU并行化框架。提出了HOG+SVM行人检测技术的GPU并行化方案,对其中关键处理过程利用GPU的计算、存储特性进行了优化设计和实现。针对特征提取,通过引入颜色自相似特征CSS,并结合HOG特征和LBP特征,提出了一种面向行人重识别的组合行人特征,详细研究了组合特征的GPU并行提取技术。针对特征匹配,制定了组合特征的相似度匹配原则,设计了基于GPU的相似度计算和行人重识别特征匹配算法,实验验证了特征和算法是有效的,利用GPU取得了9.41至9.77的加速比。
【关键词】：智能视频分析 GPU并行计算 行人重识别 运动目标检测与跟踪
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-18
• 1.1 研究背景和意义10-13
• 1.2 国内外研究现状13-16
• 1.3 主要研究内容16
• 1.4 论文组织结构16-18
• 第二章 智能视频分析及GPU并行计算的相关研究18-29
• 2.1 智能视频分析技术18-23
• 2.1.1 智能视频分析系统18-20
• 2.1.2 智能视频分析功能分类及关键技术20-23
• 2.2 GPU通用计算23-28
• 2.2.1 GPU通用计算概述23-26
• 2.2.2 GPU优化26-28
• 2.3 本章小结28-29
• 第三章 运动目标检测与跟踪技术的GPU并行化技术29-49
• 3.1 运动目标检测与跟踪技术概述29-31
• 3.2 运动目标检测技术的GPU并行化设计与实现31-43
• 3.2.1 检测算法的分析31-36
• 3.2.2 GPU并行化检测算法设计36-41
• 3.2.3 实验结果与分析41-43
• 3.3 运动目标跟踪技术的GPU并行化设计与实现43-48
• 3.3.1 跟踪算法的分析43-45
• 3.3.2 GPU并行化跟踪算法设计45-47
• 3.3.3 实验结果与分析47-48
• 3.4 本章小结48-49
• 第四章 行人重识别技术的GPU并行化设计与优化49-66
• 4.1 行人重识别技术概述49-50
• 4.2 行人重识别关键问题50-57
• 4.2.1 行人检测50-55
• 4.2.2 特征提取55
• 4.2.3 特征匹配55-57
• 4.3 行人重识别算法的优化设计与并行化57-63
• 4.3.1 行人重识别的GPU并行化框架设计57
• 4.3.2 行人检测的GPU并行化57-59
• 4.3.3 特征提取的GPU并行化59-62
• 4.3.4 特征匹配的GPU并行化62-63
• 4.4 实验结果与分析63-65
• 4.5 本章小结65-66
• 第五章 总结与展望66-68
• 5.1 论文研究工作总结66-67
• 5.2 进一步的工作展望67-68
• 参考文献68-74
• 致谢74-75
• 在学期间的研究成果及发表的学术论文75

【相似文献】

中国期刊全文数据库 前10条

1 刘毅;;智能视频监控如何更好的走向应用[J];中国公共安全(综合版);2010年09期

2 刁一平;;理性与务实——点评智能视频分析技术发展现状[J];中国安防;2011年03期

3 武文斌;;智能视频分析的现状与未来发展趋势[J];科技情报开发与经济;2011年31期

4 ;智能视频网络[J];中国传媒科技;2007年05期

5 ;事事洞察,智能视频;监控识别,疏而不漏![J];智能建筑与城市信息;2009年05期

6 傅福林;;用智能视频分析技术打造平安社区[J];中国公共安全(综合版);2009年06期

7 张永生;;智能视频分析发展现状与趋势[J];中国公共安全(综合版);2009年10期

8 刁一平;;理性与务实——点评智能视频分析行业发展现状[J];智能建筑与城市信息;2010年09期

9 李万才;;物联网中智能视频技术的现状与分析[J];警察技术;2010年06期

10 李罗养;侍术干;;智能视频分析技术 在自助银行中的应用[J];中国公共安全(综合版);2011年07期

中国重要会议论文全文数据库 前8条

1 杨震勇;;智能视频技术的现状及发展[A];天津市电视技术研究会2010年年会论文集[C];2010年

2 刘志宏;孙长国;朱卫国;;智能视频技术在军事物流中的应用研究[A];2010全国虚拟仪器大会暨MCMI2010’会议论文集[C];2010年

3 刘文斌;;进一步提高施工企业信息化建设——网络远程智能视频管理[A];2009（重庆）中西部第二届有色金属工业发展论坛论文集[C];2009年

4 李志咏;周观尧;邱国俊;;水电站三维场景智能视频分析系统的研究与应用[A];中国水力发电工程学会信息化专委会2010年学术交流会论文集[C];2010年

5 徐辉;;智能视频分析技术在煤矿掘进面危险源管理中的应用探究[A];第24届全国煤矿自动化与信息化学术会议暨第6届中国煤矿信息化与自动化高层论坛论文集[C];2014年

6 李媛;马建玉;谭然;;智能视频分析技术在安防领域的应用[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

7 杨捷;成明盛;;智能视频分析技术在铁路视频监控工程中的应用探讨[A];四川省通信学会2010年学术年会论文集[C];2010年

8 安然;王辉麟;史天运;;基于智能视频分析的铁路弓网状态监测技术研究[A];第八届中国智能交通年会优秀论文集——轨道交通[C];2013年

中国重要报纸全文数据库 前10条

1 陶海;智能视频技术“随需应变”[N];计算机世界;2008年

2 佚名;城市反恐与智能视频分析技术研讨会举行[N];中国建设报;2008年

3 汉王科技股份有限公司 童剑军;正确认识智能视频分析技术[N];计算机世界;2008年

4 刘锁柱;运用智能视频分析技术实现主动监控[N];人民公安报;2010年

5 ;提高智能视频产品效能和效益[N];中国电子报;2009年

6 本报记者 邓淑华;用智能视频分析为社会保驾护航[N];中国高新技术产业导报;2012年

7 ; “软硬结合”提供不同产品[N];中国电子报;2009年

8 记者 刘莹清;新区配套产品表现良好彰显实力[N];滨海时报;2010年

9 记者 傅盛宁;高科技产品 昨集体路演[N];深圳商报;2009年

10 西山煤电集团公用事业公司林业处 段久清;智能视频森林火险监测预警系统的构建[N];山西科技报;2009年

中国博士学位论文全文数据库 前2条

1 张超;智能视频系统中若干关键技术的研究[D];安徽大学;2014年

2 傅慧源;面向人群监管的智能视频场景理解技术研究[D];北京邮电大学;2014年

中国硕士学位论文全文数据库 前10条

1 许颖;智能视频中的行人检测技术研究[D];电子科技大学;2014年

2 江学平;基于智能视频分析的异常检测算法及其应用研究[D];浙江工业大学;2015年

3 李佩;基于智能视频眼镜的交互设计与应用[D];电子科技大学;2016年

4 谢洪茂;智能视频分析服务器集群设计与实现[D];南京邮电大学;2016年

5 赵兴方;基于GPU并行计算的智能视频分析技术[D];南京航空航天大学;2016年

6 胡舟;智能视频分析系统设计与开发[D];重庆大学;2013年

7 戴军建;基于智能视频分析的安防监控系统设计[D];长春理工大学;2014年

8 谢志栋;基于智能视频分析的多媒体信息处理与无线传输系统的设计与实现[D];南京邮电大学;2013年

9 卢颖;基于智能视频分析技术的案件辅助系统[D];北京邮电大学;2013年

10 张少文;基于GPU的智能视频分析系统的研究和实现[D];华南理工大学;2014年

，

本文编号：914132