版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、運動目標檢測是視頻跟蹤和分析的基礎,其中一個首要而關鍵的任務是從視頻序列中確定運動目標。背景消減法是目前確定運動目標最常用的方法,其核心是將當前包含運動目標的視頻幀和一個背景參考幀相差,將其中差值較大的像素區(qū)域標記為運動目標。在背景建模各方法中,混合高斯建模方法是公認的檢測效果和適應性都較好的方法,但其所需計算量巨大,難以實時實現(xiàn)。圖形處理器(GPU)通過大量的流計算單元為加速此類應用提供了新的計算平臺,因而針對GPU 平臺,挖掘背景建
2、模算法的并行性并進行優(yōu)化,以提高實時性,對于擴展其應用范圍和降低應用成本,具有重要意義。
通過利用GPU 平臺上的CUDA 編譯環(huán)境,從線程級并行和異步流處理并行兩個方面對自適應混合高斯背景建模算法進行并行化改進。線程級并行化主要是利用CUDA的內核函數(shù)(kernel),將原算法里的每一個像素的背景更新過程映射到GPU的一個流處理單元上進行處理,通過多線程的并行執(zhí)行,來加速計算速度。異步流處理優(yōu)化借鑒了流計算的邊傳輸邊計算
3、的思想,通過隱藏數(shù)據(jù)傳輸所帶來的時延來加速計算過程。這里利用CUDA 編程模型中的流概念,通過創(chuàng)建多個流,使每個流之間的數(shù)據(jù)傳輸和計算可以重疊進行,這樣就從整體上獲得了計算性能的提升,達到了加速的效果。同時,對每個像素的模型參數(shù)按照行序優(yōu)先的規(guī)則以分塊方式進行組織存放,以配合多流并行處理時內核函數(shù)處理數(shù)據(jù)的需要,保證內核函數(shù)能及時存取所需要的數(shù)據(jù)。
在采用了CUDA 線程級并行化后,通過對分辨率分別為384×288、640
4、×272、720×576、1280×720和1920×1080的視頻進行測試,結果表明,在Debug模式下平均建模時間分別快了40.932ms、94.656ms、228.012ms、547.759ms和861.459ms;而在Release模式下的平均建模時間分別快了10.362ms、33.421ms、71.594ms、173.609ms和156.02ms。在此基礎上,以采用8個數(shù)據(jù)流為參照,進一步進行異步流處理優(yōu)化后,在Release
5、 版本下的測試結果表明:在5種分辨率下,平均建模時間比優(yōu)化前分別又快了2.640ms、3.769ms、10.703ms、19.331ms和55.335ms。由此可見,在GPU平臺上通過線程級并行化和異步流處理優(yōu)化后,確實可以大幅度地加速混合高斯背景建模算法的執(zhí)行過程。
本文研究工作得到國家自然科學基金項目:嵌入式多媒體流計算的自適應機制與跨層優(yōu)化(編號:60873029)和華中科技大學自主創(chuàng)新研究基金(編號:2010MS0
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進自適應混合高斯模型的背景建模及對象計數(shù)方法研究.pdf
- 基于混合高斯改進算法的視頻背景建模研究.pdf
- 基于混合高斯的背景建模與陰影抑制算法研究.pdf
- 自適應混合高斯目標檢測方法研究.pdf
- 基于自適應高斯混合模型的運動檢測算法研究.pdf
- 基于GPU的高性能并行優(yōu)化算法研究.pdf
- 基于自適應混合高斯模型的運動目標檢測.pdf
- 混合估計自適應平滑算法研究.pdf
- 自適應高斯混合模型及說話人識別應用.pdf
- 自適應的混合粒子群算法研究.pdf
- 基于自適應高斯混合模型說話人識別的研究.pdf
- 自適應的并行蟻群算法及其應用.pdf
- 自適應混合遺傳算法研究.pdf
- 非高斯Alpha穩(wěn)定分布環(huán)境下自適應算法研究.pdf
- 面向并行自適應算法的網(wǎng)格庫設計.pdf
- 高斯混合模型聚類及其優(yōu)化算法研究.pdf
- 中英混合多模式匹配算法的改進及GPU并行化研究.pdf
- 基于自適應混合的粒子群算法研究.pdf
- 基于GPU并行化的干細胞遺傳優(yōu)化算法研究.pdf
- 基于層次貝葉斯自適應稀疏的高斯混合模型.pdf
評論
0/150
提交評論