基于GPU的目標(biāo)跟蹤算法研究.pdf

1、隨著計(jì)算機(jī)視覺(jué)的快速發(fā)展，基于視頻的目標(biāo)跟蹤成為了計(jì)算機(jī)視覺(jué)里的一個(gè)重要研究方向，近年來(lái)取得了重大進(jìn)展。新的目標(biāo)跟蹤算法不斷被提出，跟蹤準(zhǔn)確率也隨之得到提高。然而大量的實(shí)驗(yàn)證明準(zhǔn)確率高的算法其計(jì)算復(fù)雜度很高，因此處理速度低成為了目前目標(biāo)跟蹤算法的一大瓶頸。NVIDIA公司提供的GPU以強(qiáng)大計(jì)算的能力被成功應(yīng)用于各領(lǐng)域，GPU為具有高并行度的復(fù)雜算法帶來(lái)了曙光，尤其是涉及密集型計(jì)算的目標(biāo)跟蹤算法。
　　基于以上背景，本文先后對(duì) DF

2、跟蹤算法、Struck跟蹤算法和 KCF跟蹤算法的GPU實(shí)現(xiàn)進(jìn)行深入研究。針對(duì)每一種跟蹤算法，首先對(duì)模型訓(xùn)練和目標(biāo)判別兩個(gè)核心部分進(jìn)行了詳細(xì)的分析，并找出可并行的計(jì)算部分；然后利用GPU對(duì)這些部分進(jìn)行加速實(shí)現(xiàn)；最后設(shè)計(jì)實(shí)驗(yàn)對(duì)CPU版本和GPU版本的實(shí)現(xiàn)進(jìn)行比較，實(shí)驗(yàn)數(shù)據(jù)表明兩個(gè)版本的實(shí)現(xiàn)具有一樣的跟蹤準(zhǔn)確度，GPU版本的實(shí)現(xiàn)具有更高的處理速度，滿(mǎn)足了實(shí)時(shí)性，甚至達(dá)到了高速跟蹤的指標(biāo)。
　　DF跟蹤算法是一種基于特征匹配的跟蹤算法，

3、即將平滑后的分布場(chǎng)作為目標(biāo)特征，該特征具有一定程度的光照不變性，使得該跟蹤算法具有一定的魯棒性。在模型訓(xùn)練部分，利用GPU對(duì)二維卷積和一維卷積進(jìn)行加速，其中二維卷積采用可分離卷積計(jì)算方法進(jìn)行計(jì)算。在目標(biāo)判別部分，利用GPU對(duì)計(jì)算候選樣本的判別值進(jìn)行加速。測(cè)試表明，GPU可將DF算法的處理速度提高到以前的4.8倍，達(dá)到了45.8幀/秒。
　　Struck跟蹤算法是一種基于背景學(xué)習(xí)的跟蹤算法，該算法采用結(jié)構(gòu)化的支持向量機(jī)模型學(xué)習(xí)目標(biāo)和

4、背景之間的差別，而得到一個(gè)判別函數(shù)，將具有最大判別值的樣本作為目標(biāo)。在模型訓(xùn)練部分，利用GPU對(duì)迭代中的每個(gè)計(jì)算模塊進(jìn)行加速。在目標(biāo)判別部分，利用GPU對(duì)計(jì)算所有測(cè)試樣本的判別值進(jìn)行加速。測(cè)試表明，GPU可將Struck算法的處理速度提高到以前的4.3倍，達(dá)到了30.7幀/秒。
　　KCF跟蹤算法也是一種基于背景學(xué)習(xí)的跟蹤算法，該算法利用循環(huán)矩陣來(lái)構(gòu)造訓(xùn)練樣本，避免了數(shù)據(jù)的重復(fù)利用，憑借快速傅立葉算法的優(yōu)勢(shì)，具備很快的處理速度。本