基于GPU并行计算的智能视频分析技术
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 智能视频分析及GPU并行计算的相关研究 | 第18-29页 |
| 2.1 智能视频分析技术 | 第18-23页 |
| 2.1.1 智能视频分析系统 | 第18-20页 |
| 2.1.2 智能视频分析功能分类及关键技术 | 第20-23页 |
| 2.2 GPU通用计算 | 第23-28页 |
| 2.2.1 GPU通用计算概述 | 第23-26页 |
| 2.2.2 GPU优化 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 运动目标检测与跟踪技术的GPU并行化技术 | 第29-49页 |
| 3.1 运动目标检测与跟踪技术概述 | 第29-31页 |
| 3.2 运动目标检测技术的GPU并行化设计与实现 | 第31-43页 |
| 3.2.1 检测算法的分析 | 第31-36页 |
| 3.2.2 GPU并行化检测算法设计 | 第36-41页 |
| 3.2.3 实验结果与分析 | 第41-43页 |
| 3.3 运动目标跟踪技术的GPU并行化设计与实现 | 第43-48页 |
| 3.3.1 跟踪算法的分析 | 第43-45页 |
| 3.3.2 GPU并行化跟踪算法设计 | 第45-47页 |
| 3.3.3 实验结果与分析 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 行人重识别技术的GPU并行化设计与优化 | 第49-66页 |
| 4.1 行人重识别技术概述 | 第49-50页 |
| 4.2 行人重识别关键问题 | 第50-57页 |
| 4.2.1 行人检测 | 第50-55页 |
| 4.2.2 特征提取 | 第55页 |
| 4.2.3 特征匹配 | 第55-57页 |
| 4.3 行人重识别算法的优化设计与并行化 | 第57-63页 |
| 4.3.1 行人重识别的GPU并行化框架设计 | 第57页 |
| 4.3.2 行人检测的GPU并行化 | 第57-59页 |
| 4.3.3 特征提取的GPU并行化 | 第59-62页 |
| 4.3.4 特征匹配的GPU并行化 | 第62-63页 |
| 4.4 实验结果与分析 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 论文研究工作总结 | 第66-67页 |
| 5.2 进一步的工作展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
