可視目標(biāo)跟蹤算法研究及其GPU實(shí)現(xiàn).pdf

1、計(jì)算機(jī)視覺(jué)一直以來(lái)致力于視覺(jué)目標(biāo)的檢測(cè)、識(shí)別、跟蹤等問(wèn)題的解決。目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的核心應(yīng)用點(diǎn)之一，跟蹤-學(xué)習(xí)-檢測(cè)(TLD)就是目標(biāo)跟蹤的典型算法之一，TLD算法是一個(gè)捷克籍博士生Zdenek Kalal在攻讀博士學(xué)位期間提出的一種針對(duì)新的單目標(biāo)的長(zhǎng)時(shí)間跟蹤算法。跟蹤-學(xué)習(xí)-檢測(cè)算法與傳統(tǒng)的跟蹤算法有著顯著的區(qū)別，該算法將傳統(tǒng)的跟蹤算法和傳統(tǒng)的檢測(cè)算法相結(jié)合來(lái)，協(xié)同的解決被跟蹤目標(biāo)在被跟蹤過(guò)程中發(fā)生的形變、部分遮擋等問(wèn)題。但是該算法

2、過(guò)程復(fù)雜，計(jì)算量龐大，對(duì)于普通分辨率的視頻，其處理速度僅能達(dá)到每秒8-10幀，無(wú)法充分達(dá)到實(shí)時(shí)處理的要求，因此采用一種并行的算法對(duì)其進(jìn)行加速十分必要?；诖?，本文從以下幾點(diǎn)展開了工作：
　　通過(guò)對(duì)跟蹤-學(xué)習(xí)-檢測(cè)算法流程的深入研究，本文提出一種將跟蹤-學(xué)習(xí)-檢測(cè)算法中的學(xué)習(xí)模塊滯后的算法，該算法可以使得跟蹤-學(xué)習(xí)-檢測(cè)算法的三大核心模塊之間能夠通過(guò)多線程的方式并行處理。有效的提高了CPU利用效率，降低時(shí)耗，算法通過(guò)三大模塊的多線程

3、并行實(shí)現(xiàn)了1.3左右的加速比。
　　然后，本文利用GPU硬件，通過(guò)CUDA編程對(duì)跟蹤-學(xué)習(xí)-檢測(cè)算法做了并行化處理，跟蹤-學(xué)習(xí)-檢測(cè)算法包含三個(gè)主要的核心模塊，即跟蹤、檢測(cè)、學(xué)習(xí)三大模塊，通過(guò)對(duì)三大模塊的時(shí)耗進(jìn)行定量計(jì)算，發(fā)現(xiàn)檢測(cè)模塊占整個(gè)算法大部分時(shí)間，因此對(duì)檢測(cè)模塊做了CUDA-GPU并行化處理，使得檢測(cè)模塊的加速比達(dá)到4倍，整體算法加速比達(dá)到3倍。
　　最后，基于傳統(tǒng)跟蹤-學(xué)習(xí)-檢測(cè)算法，本文提出了一種多層的并行的 T