| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 人群计数算法研究现状 | 第12-13页 |
| 1.2.2 GPGPU通用计算研究现状 | 第13-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 GPGPU通用计算相关技术 | 第17-21页 |
| 2.1 GPGPU通用计算模型 | 第17-18页 |
| 2.2 OpenCL概述 | 第18-20页 |
| 2.2.1 OpenCL简介 | 第18-19页 |
| 2.2.2 OpenCL与CUDA对比 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 面向监控视频的人群计数算法设计及耗时分析 | 第21-39页 |
| 3.1 人群计数算法总体设计 | 第21-22页 |
| 3.2 ViBe前景提取 | 第22-25页 |
| 3.2.1 ViBe算法原理 | 第22-23页 |
| 3.2.2 ViBe算法改进 | 第23-25页 |
| 3.2.3 改进效果 | 第25页 |
| 3.3 Canny边缘检测 | 第25页 |
| 3.4 目标轮廓提取以及目标识别 | 第25-28页 |
| 3.4.1 HOG特征提取 | 第26-28页 |
| 3.4.2 SVM分类训练 | 第28页 |
| 3.5 Kalman跟踪计数 | 第28-32页 |
| 3.5.1 Kalman算法原理 | 第28-30页 |
| 3.5.2 多目标跟踪计数的设计 | 第30-32页 |
| 3.6 改进的跟踪计数 | 第32-33页 |
| 3.7 高密度人群计数 | 第33-35页 |
| 3.7.1 纹理特征的获取 | 第33-35页 |
| 3.7.2 纹理特征量的归一化 | 第35页 |
| 3.7.3 多元线性回归 | 第35页 |
| 3.8 实验结果与分析 | 第35-37页 |
| 3.8.1 实验环境 | 第35页 |
| 3.8.2 结果分析 | 第35-37页 |
| 3.9 人群计数算法耗时分析 | 第37-38页 |
| 3.10 本章小结 | 第38-39页 |
| 第四章 ViBe前景提取并行优化设计 | 第39-51页 |
| 4.1 算法并行性分析 | 第39-40页 |
| 4.2 并行优化总体设计 | 第40-42页 |
| 4.3 NDRange索引空间优化 | 第42-43页 |
| 4.4 背景模型初始化的并行化 | 第43-44页 |
| 4.5 背景模型更新的并行化 | 第44-48页 |
| 4.5.1 OpenCL异步执行优化方案 | 第44-46页 |
| 4.5.2 背景模型更新过程的异步执行设计 | 第46-48页 |
| 4.6 实验结果与分析 | 第48-50页 |
| 4.6.1 实验环境 | 第48页 |
| 4.6.2 结果分析 | 第48-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 Canny边缘检测并行优化设计 | 第51-66页 |
| 5.1 算法并行性分析 | 第51-52页 |
| 5.2 并行优化总体设计 | 第52-54页 |
| 5.3 图像高斯滤波的并行化 | 第54-56页 |
| 5.3.1 内存访问优化 | 第54-55页 |
| 5.3.2 分离式卷积设计 | 第55-56页 |
| 5.4 梯度值和方向计算的并行化 | 第56-58页 |
| 5.5 非极大值抑制的并行化 | 第58-59页 |
| 5.6 双阈值边缘连接的并行化 | 第59-62页 |
| 5.7 实验结果与分析 | 第62-65页 |
| 5.7.1 实验环境 | 第62-63页 |
| 5.7.2 结果分析 | 第63-65页 |
| 5.8 本章小结 | 第65-66页 |
| 第六章 人群计数监控系统并行优化在嵌入式平台实现与测试 | 第66-84页 |
| 6.1 人群计数监控系统嵌入式平台环境搭建 | 第66-68页 |
| 6.1.1 硬件平台 | 第66-67页 |
| 6.1.2 软件平台 | 第67-68页 |
| 6.2 系统并行优化总体实现流程 | 第68-69页 |
| 6.3 Host主机端的实现 | 第69-73页 |
| 6.3.1 监控视频获取及实时网络传输 | 第69-71页 |
| 6.3.2 OpenCL内核执行主机端实现 | 第71-73页 |
| 6.4 GPU端的kernel实现 | 第73-76页 |
| 6.4.1 ViBe算法kernel实现 | 第73-74页 |
| 6.4.2 Canny算法kernel实现 | 第74-76页 |
| 6.5 实验结果与分析 | 第76-82页 |
| 6.5.1 功能对比 | 第76-78页 |
| 6.5.2 性能对比 | 第78-82页 |
| 6.6 本章小结 | 第82-84页 |
| 第七章 总结及展望 | 第84-86页 |
| 7.1 总结 | 第84-85页 |
| 7.2 展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |