車輛檢測與跟蹤算法研究及并行化.pdf

1、隨著我國城市化進程的不斷加快，公路交通系統(tǒng)的壓力也隨之加大。因此，基于計算機視覺技術的智能交通系統(tǒng)的重要性日益顯著，其核心技術是在靜止相機拍攝的圖像序列中進行運動車輛檢測與跟蹤。車輛檢測與跟蹤中涉及大量復雜的圖形計算，傳統(tǒng)的CPU串行處理特性無法滿足實際應用所需的實時性。而圖形處理器（GPU）擁有的強大并行計算能力可以很好的用來解決這種瓶頸問題。為了滿足車輛檢測及跟蹤在實際應用中的實時性需求，論文運用GPU平臺下的CUDA編譯環(huán)境，針對

2、車輛檢測及跟蹤過程中所用到的算法進行了改進并設計與實現(xiàn)了相應的并行算法，主要研究內容概括如下：
　?。?）運動目標檢測是進行跟蹤和分析的基礎，因此首要就是從視頻序列中確定運動目標。背景建模是將大量的背景像素綜合成為一個背景模型，是目前確定運動目標最常用的方法。混合高斯背景建模在背景建模的諸多方法中是公認的檢測效果和適應性都相對較好的方法，但由于其計算量巨大，難以實時實現(xiàn)。因而針對GPU平臺，挖掘高斯背景建模算法的并行性并進行優(yōu)化，

3、提高其實時性，對于擴展其應用范圍具有重要意義。論文通過利用GPU平臺上的CUDA編譯環(huán)境，綜合前人工作改進了自適應高斯背景建模算法，并從并行的角度對提出的自適應高斯背景建模算法進行并行化改進，實驗證明，論文設計的并行算法比串行算法的效率提高了10.3倍。
　?。?）二值圖像連通區(qū)域標記是視頻跟蹤的基礎，其是將前景二值圖像中相互連接的像素通過一定規(guī)則給予同樣的標記，而不連接的像素給予不同標記的處理過程。二值圖像連通域快速標記算法在以

4、CPU為處理核心的算法中是效率相對較高且兼具魯棒性的算法，但其效率和性能的提升也相對比較有限。論文以并行處理為出發(fā)點，設計并實現(xiàn)了一種并行的二值圖像連通區(qū)域標記算法來提高二值圖像連通區(qū)域標記問題的處理效率，實驗證明論文設計的并行算法的效率比文獻[47]中設計的并行算法效率平均提高了8.3倍，較大的提高了連通區(qū)域并行算法標記的效率及魯棒性。
　?。?）針對靜態(tài)攝像頭下的多車輛多目標跟蹤，核心思想就是在連續(xù)的視頻序列中尋找與跟蹤目標特