视频中运动目标跟踪算法研究及硬件加速的实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 目标跟踪研究现状 | 第13-14页 |
| 1.2.2 并行技术研究现状 | 第14-16页 |
| 1.3 文章完成的工作 | 第16页 |
| 1.4 文章结构的安排 | 第16-18页 |
| 第2章 KCF算法的原理分析 | 第18-30页 |
| 2.1 核相关滤波跟踪算法 | 第18-24页 |
| 2.1.1 循环矩阵及移位过程 | 第19-21页 |
| 2.1.2 滤波器系数及相关响应的解 | 第21-24页 |
| 2.2 图像特征的选择 | 第24-29页 |
| 2.2.1 HOG特征的流程 | 第24-27页 |
| 2.2.2 FHOG特征的使用 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 KCF算法的改进 | 第30-42页 |
| 3.1 优化图像块的搜索策略 | 第30-34页 |
| 3.1.1 更新模板和权值 | 第30-32页 |
| 3.1.2 优化搜索策略 | 第32-34页 |
| 3.2 拓展尺度因子 | 第34-36页 |
| 3.3 候选图像块数量的影响 | 第36-37页 |
| 3.4 不同算法的对比分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于异构平台的硬件加速 | 第42-56页 |
| 4.1 基于FPGA的 OpenCL异构计算 | 第42-44页 |
| 4.1.1 FPGA简介 | 第42-43页 |
| 4.1.2 OpenCL总体概述 | 第43-44页 |
| 4.2 OpenCL基本模型 | 第44-49页 |
| 4.2.1 平台模型 | 第45页 |
| 4.2.2 执行模型 | 第45-46页 |
| 4.2.3 存储模型 | 第46-48页 |
| 4.2.4 编程模型 | 第48-49页 |
| 4.3 GPU总体概述 | 第49-51页 |
| 4.3.1 GPU硬件组成 | 第49-50页 |
| 4.3.2 GPU存储单元 | 第50-51页 |
| 4.4 CUDA总体概述 | 第51-53页 |
| 4.4.1 CUDA简介 | 第51-52页 |
| 4.4.2 CUDA软件结构 | 第52-53页 |
| 4.5 并行程序的优化 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 KCF算法的并行设计及实验结果 | 第56-75页 |
| 5.1 算法的并行方案设计 | 第56-62页 |
| 5.1.1 初始化目标矩形框 | 第56-57页 |
| 5.1.2 互相关矩阵的计算 | 第57-59页 |
| 5.1.3 回归系数的计算 | 第59-60页 |
| 5.1.4 响应最大值的计算 | 第60-61页 |
| 5.1.5 图像特征的提取 | 第61-62页 |
| 5.2 软硬件环境及参数设置 | 第62-65页 |
| 5.3 硬件加速的性能分析 | 第65-74页 |
| 5.3.1 测试执行时间 | 第65-70页 |
| 5.3.2 测试跟踪精度及帧率 | 第70-72页 |
| 5.3.3 视频序列的跟踪结果图 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 附录 攻读硕士期间发表的论文 | 第81-83页 |
| 致谢 | 第83页 |
