模糊視頻中車輛多目標(biāo)跟蹤及CUDA加速.pdf

1、在計(jì)算機(jī)視覺領(lǐng)域，目標(biāo)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(duì)人流車輛的數(shù)量統(tǒng)計(jì)，甚至可用于導(dǎo)彈跟蹤，攔截不法入侵。為了提升在惡劣環(huán)境中對(duì)車輛目標(biāo)進(jìn)行跟蹤的性能，本文通過對(duì)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(diǎn)深入研究，在Stuck跟蹤算法的基礎(chǔ)之上，提出了一種惡劣場景下的快速自適應(yīng)跟蹤算法，并將此算法應(yīng)用到多目標(biāo)的跟蹤過程。
　　本研究主要內(nèi)容包括：⑴通過實(shí)驗(yàn)分別對(duì)比使用多尺度Retinex、暗通

2、道先驗(yàn)去霧算法以及優(yōu)化的對(duì)比度增強(qiáng)算法進(jìn)行圖像增強(qiáng)后的效果，并分別統(tǒng)計(jì)不同場景及分辨率下的算法耗時(shí)。⑵提出了基于多尺度因子數(shù)組的自適應(yīng)跟蹤算法。通過調(diào)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(yīng)車輛大小，提高跟蹤的精度。⑶基于CUDA架構(gòu)對(duì)算法進(jìn)行并行優(yōu)化，將耗時(shí)的過程放置在GPU上運(yùn)行。通過對(duì)原始算法的各個(gè)模塊的并行優(yōu)化與改進(jìn)，算法的運(yùn)行速度較之前提升了三倍。⑷通過初始化多個(gè)跟蹤器并加入多線