| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-12页 |
| 1.2.1 运动目标检测算法国内外研究现状及发展趋势 | 第9-12页 |
| 1.2.2 异构平台国内外研究现状及发展趋势 | 第12页 |
| 1.3 本文的主要研究内容及结构安排 | 第12-14页 |
| 2 面向交管系统的运动目标检测算法的异构平台架构 | 第14-22页 |
| 2.1 交通监管系统的架构 | 第14-15页 |
| 2.2 针对交管系统运动目标检测的异构平台 | 第15-21页 |
| 2.2.1 FPGA和ARM组建的嵌入式平台 | 第15-16页 |
| 2.2.2 基于CUDA的异构平台 | 第16-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 运动目标检测算法的研究 | 第22-40页 |
| 3.1 图像预处理 | 第22-28页 |
| 3.1.1 中值滤波 | 第23-25页 |
| 3.1.2 高斯平滑滤波 | 第25页 |
| 3.1.3 均值滤波 | 第25-27页 |
| 3.1.4 直方图变换平滑滤波 | 第27-28页 |
| 3.2 基于复小波光流法的运动目标检测算法 | 第28-33页 |
| 3.2.1 算法的理论简介 | 第28-30页 |
| 3.2.2 改进的运动目标检测算法 | 第30-33页 |
| 3.3 基于稀疏PCNN的运动目标检测 | 第33-39页 |
| 3.3.1 算法理论简介 | 第33-36页 |
| 3.3.2 改进的运动目标检测算法 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 运动目标检测算法的CUDA并行加速研究 | 第40-48页 |
| 4.1 CUDA并行算法思想 | 第40-41页 |
| 4.1.1 基本思想 | 第40-41页 |
| 4.1.2 并行计算方案 | 第41页 |
| 4.2 基于稀疏PCNN运动目标检测算法的CUDA加速 | 第41-46页 |
| 4.2.1 预处理的并行化处理 | 第42-43页 |
| 4.2.2 改进帧间差分的的并行化处理 | 第43-45页 |
| 4.2.3 稀疏PCNN处理的并行化处理 | 第45-46页 |
| 4.3 算法的CUDA优化加速 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 实验结果与对比 | 第48-54页 |
| 5.1 实验环境搭建 | 第48页 |
| 5.2 实验结果与对比 | 第48-53页 |
| 5.3 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59-60页 |