基于GPU的目标跟踪算法研发与优化
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 目标跟踪研究现状 | 第12-14页 |
| 1.2.2 GPU在视频图像领域的现状 | 第14-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 相关技术 | 第17-33页 |
| 2.1 目标跟踪概述 | 第17-27页 |
| 2.1.1 目标跟踪概念 | 第17-18页 |
| 2.1.2 目标特征模型 | 第18-24页 |
| 2.1.3 运动模型 | 第24-26页 |
| 2.1.4 目标定位策略 | 第26-27页 |
| 2.2 CUDA体系概述 | 第27-32页 |
| 2.2.1 GPU硬件设备 | 第27页 |
| 2.2.2 CUDA软件体系 | 第27-28页 |
| 2.2.3 CUDA编程模型 | 第28-30页 |
| 2.2.4 CUDA线程组织 | 第30-31页 |
| 2.2.5 CUDA存储结构 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 3 目标跟踪算法原理分析与研发 | 第33-50页 |
| 3.1 主流目标跟踪算法对比分析 | 第33-34页 |
| 3.2 KCF原理分析 | 第34-38页 |
| 3.2.1 岭回归 | 第34-36页 |
| 3.2.2 引入核函数 | 第36-37页 |
| 3.2.3 快速定位 | 第37页 |
| 3.2.4 核相关计算 | 第37-38页 |
| 3.3 RPT原理分析 | 第38-43页 |
| 3.3.1 序贯蒙特卡洛框架 | 第38-40页 |
| 3.3.2 可跟踪分块的置信度 | 第40-41页 |
| 3.3.3 目标分块的观测置信度 | 第41-42页 |
| 3.3.4 Hough投票 | 第42-43页 |
| 3.4 标跟踪算法研发 | 第43-49页 |
| 3.4.1 KCF算法研发 | 第43-47页 |
| 3.4.2 RPT算法研发 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于GPU的目标跟踪算法并行优化 | 第50-63页 |
| 4.1 RPT算法执行时间的实验与分析 | 第50-54页 |
| 4.2 FHOG特征提取的并行优化 | 第54-57页 |
| 4.3 核相关计算的并行优化 | 第57-60页 |
| 4.3.1 线性核相关计算并行优化 | 第57-58页 |
| 4.3.2 高斯核相关计算并行优化 | 第58-60页 |
| 4.4 KCF快速定位的并行优化 | 第60-61页 |
| 4.5 模型训练与更新的并行优化 | 第61页 |
| 4.6 目标分块KCF跟踪的优化 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 5 实验与分析 | 第63-74页 |
| 5.1 实验环境 | 第63-64页 |
| 5.2 KCF跟踪算法各模块对比 | 第64-68页 |
| 5.2.1 FHOG特征提取 | 第64页 |
| 5.2.2 核相关计算 | 第64-66页 |
| 5.2.3 特征变换 | 第66-67页 |
| 5.2.4 快速定位 | 第67页 |
| 5.2.5 模型更新 | 第67-68页 |
| 5.3 RPT跟踪算法整体对比 | 第68-72页 |
| 5.3.1 执行时间 | 第69-70页 |
| 5.3.2 准确度 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
