約束能量優(yōu)化的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)及并行實(shí)現(xiàn).pdf

1、視頻運(yùn)動(dòng)目標(biāo)檢測(cè)作為智能視頻監(jiān)控系統(tǒng)的重要環(huán)節(jié)，是目標(biāo)分析、識(shí)別和跟蹤等一系列后續(xù)處理的基礎(chǔ)。隨著智能視頻監(jiān)控系統(tǒng)廣泛應(yīng)用于社會(huì)安全保障、智能交通管理、工業(yè)生產(chǎn)控制等領(lǐng)域，應(yīng)用場(chǎng)景愈加多樣化。這對(duì)視頻運(yùn)動(dòng)目標(biāo)檢測(cè)的精確性、穩(wěn)定性、適應(yīng)性等方面提出了更高的要求。基于能量最小化的圖割算法對(duì)圖像分割效果顯著，但用于連續(xù)的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)存在目標(biāo)邊緣偏移問題。本文在現(xiàn)有的研究基礎(chǔ)上，從約束能量的角度對(duì)基于圖割的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的能量函數(shù)進(jìn)行優(yōu)

2、化，并對(duì)新算法做了并行加速以滿足實(shí)時(shí)性處理要求，具體研究工作如下：
　　基于圖割的運(yùn)動(dòng)目標(biāo)檢測(cè)算法在連續(xù)的視頻檢測(cè)中會(huì)引起目標(biāo)邊緣偏移問題。經(jīng)過分析發(fā)現(xiàn)，連續(xù)的視頻檢測(cè)不同于單幅圖像分割，缺少有效的人工交互使得能量函數(shù)的邊界項(xiàng)參數(shù)固定，從而導(dǎo)致上述問題。鑒于此，本文提出了一種基于邊長約束加權(quán)梯度的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法。該方法將運(yùn)動(dòng)目標(biāo)邊長與圖像梯度值之間的內(nèi)在的聯(lián)系具體化，提取運(yùn)動(dòng)目標(biāo)邊長特征作為先驗(yàn)信息來約束加權(quán)梯度，實(shí)現(xiàn)了對(duì)邊

3、界項(xiàng)參數(shù)的自適應(yīng)優(yōu)化，從而減少目標(biāo)邊緣偏移。本文實(shí)驗(yàn)所設(shè)置的室內(nèi)和室外多個(gè)場(chǎng)景下多類運(yùn)動(dòng)目標(biāo)的檢測(cè)對(duì)比結(jié)果表明，本文算法與同類方法相比，其檢測(cè)結(jié)果邊緣更加平滑，在不同場(chǎng)景下具有更強(qiáng)的適應(yīng)性。
　　基于邊長約束加權(quán)梯度的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法，在提高目標(biāo)檢測(cè)精度的同時(shí)也極大增加了算法復(fù)雜度。本文以CUDA平臺(tái)為基礎(chǔ)，主要從算法并行任務(wù)劃分，實(shí)現(xiàn)粗細(xì)粒度并行；合理規(guī)劃GPU內(nèi)存分配，提高數(shù)據(jù)吞吐效率；消除指令分支，提高指令級(jí)并行度三方面