面向嵌入式通用GPU的跟蹤算法映射與優(yōu)化.pdf

1、隨著GPU技術的發(fā)展，利用GPU的計算資源來提高計算效率已經(jīng)成為一個必然的趨勢。目標跟蹤是計算機視覺領域的重要研究課題之一，其算法大都采用CPU串行計算，并沒有考慮GPU的計算資源，執(zhí)行效率有待提升。本文針對應用最廣泛的均值漂移(Mean Shift)目標跟蹤算法，通過開放式計算語言(Open Computing Language， OpenCL)將其映射到嵌入式通用GPU上并進行優(yōu)化，提升算法性能，同時為其他同類算法優(yōu)化課題研究提供參

2、考依據(jù)。
　　本文對經(jīng)典的目標跟蹤算法Mean Shift進行了深入分析，研究了Mean Shift算法在目標跟蹤上的應用。接著利用OpenCL實現(xiàn)了并行Mean Shift目標跟蹤算法，主要編寫了6個內(nèi)核用來完成Mean Shift目標跟蹤算法各個部分，包括判斷每個像素屬于哪個直方圖區(qū)間、計算目標模型、衡量目標模型與候選目標模型相似性和估計目標中心位置等。本文使用的是Mali-T604 GPU，為了充分發(fā)掘Mali-T604 G

3、PU的性能，本文對并行Mean Shift目標跟蹤算法進行了優(yōu)化，來提升其性能。包括三部分優(yōu)化，分別是:代碼優(yōu)化、內(nèi)存優(yōu)化和工作組優(yōu)化。代碼優(yōu)化把內(nèi)核中的算法矢量化，以便充分利用Mali-T604 GPU硬件資源;內(nèi)存優(yōu)化使用內(nèi)存映射，可以讓CPU和Mali-T604 GPU不經(jīng)拷貝就能訪問數(shù)據(jù);工作組優(yōu)化合理設置工作組數(shù)目，在Mali-T604 GPU上可以獲得更高效率。
　　論文在基于Exynos5250應用處理器的Arnda