基于GPU并行计算的目标跟踪快速算法研究

摘要	第1-6页
Abstract	第6-10页
第一章 绪论	第10-14页
·课题研究的背景及意义	第10-11页
·研究现状分析	第11-13页
·目标跟踪技术研究现状	第11-12页
·GUP通用技术研究现状	第12-13页
·论文的研究内容及组织结构	第13页
·本章小结	第13-14页
第二章 GPU通用计算与CUDA架构	第14-20页
·图像处理器(GPU)体系结构	第14-17页
·显卡的硬件结构	第14-15页
·CPU-GPU异构计算平台模式	第15-16页
·基于CUDA技术的GPU体系结构	第16-17页
·CUDA体系架构	第17-19页
·CUDA统一设备架构编程模型	第17-18页
·CUDA存储器类型	第18-19页
·本章小结	第19-20页
第三章 运动目标跟踪算法整体分析与设计	第20-25页
·跟踪算法整体结构分析与设计	第20-21页
·跟踪算法具体模块分析与设计	第21-24页
·序列视频图像预处理模块分析与设计	第21-22页
·运动目标检测模块分析	第22页
·运动目标识别模块分析与设计	第22-23页
·运动目标跟踪模块分析	第23-24页
·本章小结	第24-25页
第四章 基于GPU的运动目标跟踪子算法加速研究	第25-48页
·序列视频图像预处理算法在GPU上的实现	第25-37页
·数字图像预处理并行化分析	第25-27页
·YUV-RGB色彩空间转换算法在GPU上的实现	第27-31页
·二值化算法在GPU上的实现	第31-37页
·运动目标匹配识别算法在GPU上的实现	第37-47页
·SIFT特征点匹配算法分析与设计	第37-40页
·SIFT算法在GPU上的实现	第40-45页
·实验结果与分析	第45-47页
·本章小结	第47-48页
第五章 基于GPU并行计算的目标跟踪集成算法实现	第48-57页
·GPU实验环境配置	第48-49页
·基于GPU的目标跟踪算法整体结构设计	第49-51页
·基于GPU的目标跟踪算法实现	第51-55页
·算法在GPU上实现步骤	第51页
·实验数据结果	第51-55页
·实验数据总结	第55页
·基于GPU的目标跟踪算法优化不足之处与改进意见	第55-56页
·本章小结	第56-57页
第六章 总结与展望	第57-59页
·总结	第57页
·研究展望	第57-59页
参考文献	第59-62页
致谢	第62页