CUDA并行加速的稀疏PCNN运动目标检测算法

发布时间：2017-07-29 20:17

  本文关键词：CUDA并行加速的稀疏PCNN运动目标检测算法

  更多相关文章： 通用并行计算架构 稀疏脉冲耦合神经网络 改进帧差法 运动目标检测

【摘要】：为准确检测低速径向运动的小运动目标,降低系统的噪声,提高系统的实时性,提出一种基于Nvidia通用并行计算架构(CUDA)的稀疏脉冲耦合神经网络运动目标检测的并行算法。根据图形处理单元(GPU)的并行结构和硬件特点,将改进帧差法得到二值图像的过程,以及差分二值图像映射到稀疏脉冲耦合神经网络模型的过程均放GPU上执行,提高算法的计算效率;选择利用纹理存储和共享存储方式,提高数据的访问效率,降低算法的复杂度。实验结果表明,该算法对运动目标检测的准确性和实时性优于其它方法。
【作者单位】： 东北林业大学机电工程学院;
【关键词】： 通用并行计算架构 稀疏脉冲耦合神经网络 改进帧差法 运动目标检测
【分类号】：TP391.41;TP183
【正文快照】： 0引言常见的运动目标检测算法有固定背景法、帧间差分法、统计法和光流法4种[1-4]。近年来很多学者多利用三帧差分法、结合混合高斯模型的运动目标检测算法对运动目标进行检测[5-7],也有提出基于现场可编程门阵列(FPGA)硬件平台的运动目标检测算法[8],这些方法对尺寸大、运动

【参考文献】

中国期刊全文数据库 前1条

1 华纯;肖铁军;;基于FPGA的高斯建模运动目标检测算法[J];计算机工程与设计;2011年09期

【共引文献】

中国期刊全文数据库 前3条

1 凌滨;邓艳;于士博;;CUDA并行加速的稀疏PCNN运动目标检测算法[J];计算机工程与设计;2016年12期

2 王利祥;肖铁军;;边标志算法的改进与硬件实现[J];计算机工程与设计;2014年08期

3 白传栋;;多功能电机伺服控制器设计与实现[J];制造业自动化;2013年06期

【二级参考文献】

中国期刊全文数据库 前6条

1 杨数强;余成波;龚大墉;崔焱U，

本文编号：590916