论文部分内容阅读
智能视频分析技术作为计算机视觉中的新生代技术近年来发展迅速。然而,智能视频分析算法本身的计算复杂度和视频数据的数据密集性使得实时地智能视频分析处理面临较大困难。GPU通用计算具有广泛的实际应用价值,在很多计算领域都取得了明显的并行加速效果。因此,基于GPU并行计算的智能视频分析处理具有重要的研究意义。本文以智能视频分析技术和GPU并行计算技术为研究对象,开展了基于GPU并行计算的高性能智能视频分析技术研究。具体工作包括：第一,通过对智能视频分析技术处理流程的详细分析,首先将智能视频分析功能划分为高、低两个层次。针对低层次智能视频分析技术,重点研究了运动目标检测和跟踪的GPU并行化技术,设计并实现了基于背景减除法的运动目标检测的GPU并行化方案和基于MeanShift的GPU并行运动目标跟踪方案,加速了智能视频分析流程中最初的关键步骤的处理速度,实现了运动目标检测和跟踪的实时处理,在多种数据集上进行实验验证了方案能够的实时处理能力,为后续更高层次功能的实时应用奠定基础。第二,针对高层次智能视频分析技术,研究了行人重识别问题。通过将行人重识别问题解构为行人检测、特征提取和特征匹配等三个子问题,设计了行人重识别的GPU并行化框架。提出了HOG+SVM行人检测技术的GPU并行化方案,对其中关键处理过程利用GPU的计算、存储特性进行了优化设计和实现。针对特征提取,通过引入颜色自相似特征CSS,并结合HOG特征和LBP特征,提出了一种面向行人重识别的组合行人特征,详细研究了组合特征的GPU并行提取技术。针对特征匹配,制定了组合特征的相似度匹配原则,设计了基于GPU的相似度计算和行人重识别特征匹配算法,实验验证了特征和算法是有效的,利用GPU取得了9.41至9.77的加速比。