| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 GPU对图像计算加速研究现状 | 第10-13页 |
| 1.2.2 GPU对 Adaboost算法加速研究现状 | 第13-15页 |
| 1.3 本文主要研究内容及章节安排 | 第15-18页 |
| 第2章 GPU及其在图像处理中的应用 | 第18-30页 |
| 2.1 GPU基本架构及通用计算 | 第18-20页 |
| 2.1.1 GPU和 CPU计算架构的对比 | 第18-19页 |
| 2.1.2 GPU通用计算技术 | 第19-20页 |
| 2.2 CUDA编程与存储模型 | 第20-24页 |
| 2.3 常见的GPU加速优化办法 | 第24-26页 |
| 2.4 一般图像处理的GPU加速效果 | 第26-27页 |
| 2.5 本章小结 | 第27-30页 |
| 第3章 Adaboost车辆检测算法及其并行实现 | 第30-58页 |
| 3.1 Adaboost算法 | 第30-34页 |
| 3.1.1 Adaboost算法背景 | 第30-31页 |
| 3.1.2 Adaboost算法原理和流程 | 第31-34页 |
| 3.2 Haar-Like特征与积分图像 | 第34-38页 |
| 3.2.1 Haar-Like特征 | 第34-36页 |
| 3.2.2 积分图像 | 第36-38页 |
| 3.3 Adaboost车辆检测算法的并行实现 | 第38-53页 |
| 3.3.1 RGB颜色空间转换并行实现 | 第39-41页 |
| 3.3.2 积分图像计算并行实现 | 第41-45页 |
| 3.3.3 图像金字塔生成并行实现 | 第45-49页 |
| 3.3.4 并行目标检测 | 第49-52页 |
| 3.3.5 算法任务划分 | 第52-53页 |
| 3.4 实验结果及分析 | 第53-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第4章 Adaboost车辆并行检测算法在实际场景中的应用 | 第58-66页 |
| 4.1 测试系统的构建 | 第58-59页 |
| 4.1.1 视频监控系统结构 | 第58页 |
| 4.1.2 监控摄像机的安装 | 第58-59页 |
| 4.2 道路监控视频车辆检测加速效果 | 第59-61页 |
| 4.3 加油站监控视频车辆检测加速效果 | 第61-63页 |
| 4.4 本章小结 | 第63-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |