基于GPU的視頻多目標跟蹤研究.pdf

1、科技的不斷創(chuàng)新，也受惠于監(jiān)控領(lǐng)域，使視頻監(jiān)控技術(shù)得到快速發(fā)展。安防行業(yè)的快速發(fā)展促進了智能監(jiān)控系統(tǒng)的發(fā)展，其也成為模式識別與圖形處理交叉領(lǐng)域中的熱點之一。從攝像頭的監(jiān)控場景中對運動目標進行檢測、識別、跟蹤，得到運動目標的位置，然后用方框標識出在圖像中呈現(xiàn)出效果，以上過程即為目標跟蹤。
　　本研究用改進的自適應中值濾波對視頻界面出現(xiàn)嚴重噪聲干擾的情況進行處理，然后對靜態(tài)背景下的多目標運動跟蹤的細節(jié)問題進行分析和研究。其中，如何實現(xiàn)在

2、GPU下實現(xiàn)視頻的多目標跟蹤并且能夠減少處理時間成為本文研究重點。GPU并行架構(gòu)技術(shù)的不完善促使CUDA計算架構(gòu)的產(chǎn)生，這使得NVIDIA企業(yè)走在GPU并行技術(shù)的前列，其設(shè)計優(yōu)點是可編程性好，能夠加速并行化算法，縮短算法執(zhí)行時間。智能監(jiān)控系統(tǒng)中目標能夠?qū)崟r性跟蹤尤為重要，在復雜的監(jiān)控場景下，跟蹤算法的時間復雜度很大，CPU的處理能力已經(jīng)不能滿足應用需求。所以，對目標跟蹤算法的整個執(zhí)行過程進行梳理，通過測試與算法的時間復雜度查找算法耗時和

3、處理數(shù)據(jù)量大的部分。對多目標跟蹤系統(tǒng)實現(xiàn)模塊化，并對計算量大的模塊實現(xiàn)并行化，然后分別在GPU上對各算法模塊進行并行加速處理，用CUDA在系統(tǒng)上編程實現(xiàn)。利用SIFT特征度量，通過Mean Shift算法迭代搜索。通過實驗測試發(fā)現(xiàn)基于改進型的SIFT-Mean Shift算法要比基于空間顏色的Mean Shift算法的效果要好。所以設(shè)計F/L多線程模型用于Mean Shift算法在CPU下的并行，并利用GPU提取出SIFT特征度量。分別