| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 课题研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 目标检测研究现状 | 第16-18页 |
| 1.2.2 GPU并行优化的研究现状 | 第18页 |
| 1.3 本文主要内容与章节安排 | 第18-20页 |
| 第二章 目标检测与GPU的相关研究 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 目标检测相关算法 | 第20-26页 |
| 2.2.1 光流场法 | 第20-21页 |
| 2.2.2 帧间差法 | 第21-22页 |
| 2.2.3 背景减法 | 第22-26页 |
| 2.3 GPU并行计算 | 第26-31页 |
| 2.3.1 GPU并行计算概述 | 第26-28页 |
| 2.3.2 GPU与CPU的区别 | 第28-29页 |
| 2.3.3 GPU并行加速的方式 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 混合高斯模型与GPU加速的行人检测算法 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 混合高斯模型背景建模的通用算法与并行化的可行性 | 第32-34页 |
| 3.2.1 混合高斯模型背景建模的通用算法 | 第33-34页 |
| 3.2.2 混合高斯模型背景建模并行化的可行性 | 第34页 |
| 3.3 混合高斯模型背景建模的GPU加速 | 第34-37页 |
| 3.3.1 混合高斯模型背景建模并行化的基本思想 | 第35-36页 |
| 3.3.2 混合高斯模型背景建模的并行化 | 第36-37页 |
| 3.4 实验与结果 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 改进特征与GPU加速的行人检测算法 | 第42-58页 |
| 4.1 引言 | 第42-43页 |
| 4.2 改进的特征提取 | 第43-47页 |
| 4.2.1 Canny算子预处理与行人图像分区域 | 第43-44页 |
| 4.2.2 SILTP特征的提取 | 第44-45页 |
| 4.2.3 改进HOG特征的提取 | 第45-47页 |
| 4.3 SILTP、HOG特征的并行化 | 第47-48页 |
| 4.4 SVM分类器简介 | 第48-49页 |
| 4.5 行人检测步骤 | 第49页 |
| 4.6 实验与结果 | 第49-56页 |
| 4.6.1 检测精度的实验结果 | 第50-54页 |
| 4.6.2 检测时间的实验结果 | 第54-56页 |
| 4.7 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 本文工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-66页 |