视频摘要算法研发及GPU优化
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 视频摘要技术研究现状 | 第14-16页 |
| 1.2.2 GPU在视频分析领域的应用现状 | 第16-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 2 视频摘要相关技术 | 第19-34页 |
| 2.1 视频摘要概述 | 第19-21页 |
| 2.1.1 视频摘要基本思想 | 第19-20页 |
| 2.1.2 视频摘要总体框架 | 第20-21页 |
| 2.2 运动目标检测技术 | 第21-22页 |
| 2.3 背景建模算法 | 第22-26页 |
| 2.3.1 混合高斯背景建模 | 第23-24页 |
| 2.3.2 码本背景建模 | 第24-25页 |
| 2.3.3 VIBE背景建模 | 第25-26页 |
| 2.4 运动目标跟踪技术 | 第26-28页 |
| 2.4.1 基于区域的跟踪算法 | 第26-27页 |
| 2.4.2 基于轮廓的跟踪算法 | 第27页 |
| 2.4.3 基于特征的跟踪算法 | 第27-28页 |
| 2.4.4 基于模型的跟踪算法 | 第28页 |
| 2.5 轨迹组合技术 | 第28-30页 |
| 2.5.1 基于运动过程的轨迹组合方法 | 第29页 |
| 2.5.2 基于相似活动聚类的轨迹组合方法 | 第29页 |
| 2.5.3 基于多视频的轨迹组合方法 | 第29页 |
| 2.5.4 基于视觉感知的轨迹组合方法 | 第29-30页 |
| 2.6 CUDA并行优化平台概述 | 第30-33页 |
| 2.6.1 GPU与CPU的架构区别 | 第30-31页 |
| 2.6.2 基于GPU的CUDA平台架构 | 第31-33页 |
| 2.7 本章小结 | 第33-34页 |
| 3 视频摘要算法原理与实现 | 第34-60页 |
| 3.1 运动目标检测 | 第34-38页 |
| 3.1.1 VIBE背景建模算法原理 | 第34-35页 |
| 3.1.2 VIBE背景建模实现 | 第35-37页 |
| 3.1.3 实验结果 | 第37-38页 |
| 3.2 运动目标跟踪及轨迹提取 | 第38-43页 |
| 3.2.1 KCF跟踪算法原理 | 第39-40页 |
| 3.2.2 基于KCF跟踪算法的多人跟踪 | 第40-42页 |
| 3.2.3 运动目标轨迹提取 | 第42页 |
| 3.2.4 实验结果 | 第42-43页 |
| 3.3 基于能量函数的轨迹组合优化 | 第43-52页 |
| 3.3.1 能量函数的定义 | 第44-46页 |
| 3.3.2 基于聚类的模拟退火优化算法 | 第46-50页 |
| 3.3.3 实验结果 | 第50-52页 |
| 3.4 视频摘要生成 | 第52-55页 |
| 3.4.1 摘要生成过程 | 第53页 |
| 3.4.2 摘要生成过程优化 | 第53-54页 |
| 3.4.3 背景融合 | 第54页 |
| 3.4.4 实验结果 | 第54-55页 |
| 3.5 系统实验及结果分析 | 第55-59页 |
| 3.6 本章小结 | 第59-60页 |
| 4 基于GPU的并行优化 | 第60-74页 |
| 4.1 CPU版本的视频摘要系统性能分析 | 第60-61页 |
| 4.2 VIBE背景建模算法的GPU优化设计 | 第61-66页 |
| 4.2.1 VIBE背景建模算法的线程级并行优化 | 第62-66页 |
| 4.3 跟踪算法的GPU优化设计 | 第66-68页 |
| 4.4 摘要生成的GPU优化设计 | 第68-69页 |
| 4.5 实验及结果分析 | 第69-72页 |
| 4.5.1 GPU软硬件信息 | 第69-70页 |
| 4.5.2 背景建模GPU优化 | 第70-71页 |
| 4.5.3 跟踪GPU优化 | 第71页 |
| 4.5.4 摘要生成GPU优化 | 第71-72页 |
| 4.5.5 系统性能测试 | 第72页 |
| 4.6 本章小结 | 第72-74页 |
| 5 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 作者简介 | 第82页 |
