模糊視頻中車輛多目標跟蹤及CUDA加速.pdf

1、在計算機視覺領域，目標跟蹤扮演者很重要的角色。優(yōu)秀的跟蹤算法可用于在監(jiān)控視頻中對人流車輛的數(shù)量統(tǒng)計，甚至可用于導彈跟蹤，攔截不法入侵。為了提升在惡劣環(huán)境中對車輛目標進行跟蹤的性能，本文通過對雨雪、霧霾等物理模型以及在這些場景下所拍攝圖像的特點深入研究，在Stuck跟蹤算法的基礎之上，提出了一種惡劣場景下的快速自適應跟蹤算法，并將此算法應用到多目標的跟蹤過程。
　　本研究主要內容包括：⑴通過實驗分別對比使用多尺度Retinex、暗通

2、道先驗去霧算法以及優(yōu)化的對比度增強算法進行圖像增強后的效果，并分別統(tǒng)計不同場景及分辨率下的算法耗時。⑵提出了基于多尺度因子數(shù)組的自適應跟蹤算法。通過調節(jié)數(shù)組中尺度因子的數(shù)量和變化的范圍，可以生成不同數(shù)量和尺度的候選樣本，使跟蹤窗能夠自適應車輛大小，提高跟蹤的精度。⑶基于CUDA架構對算法進行并行優(yōu)化，將耗時的過程放置在GPU上運行。通過對原始算法的各個模塊的并行優(yōu)化與改進，算法的運行速度較之前提升了三倍。⑷通過初始化多個跟蹤器并加入多線