基于GPU的智能视频分析系统的研究和实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-13页 |
| 1.1. 研究背景与意义 | 第10-11页 |
| 1.2. 研究现状 | 第11-12页 |
| 1.3. 论文主要贡献及组织 | 第12-13页 |
| 第二章 系统的需求和总体架构 | 第13-26页 |
| 2.1. 智能视频分析系统架构 | 第13-14页 |
| 2.2. 智能视频分析系统的关键功能及实现方式 | 第14-22页 |
| 2.2.1 任务调度管理 | 第15页 |
| 2.2.2 算法及数据源调度管理 | 第15-22页 |
| 2.3. 智能视频分析数据处理与问题 | 第22-25页 |
| 2.3.1. 视频分析数据处理过程 | 第23页 |
| 2.3.2. 视频分析性能瓶颈 | 第23-24页 |
| 2.3.3. GPU与视频处理 | 第24-25页 |
| 2.4. 本章总结 | 第25-26页 |
| 第三章 系统的详细设计及实现 | 第26-44页 |
| 3.1. 视频流获取与解码 | 第26-30页 |
| 3.1.1 实时视频流网络协议 | 第26-27页 |
| 3.1.2 Gstreamer框架与GPU解码 | 第27-30页 |
| 3.2. 格式转换 | 第30-31页 |
| 3.3. 算法改进 | 第31-43页 |
| 3.3.1 利用GPU对人脸检测算法加速 | 第32-42页 |
| 3.3.2 测试结果 | 第42-43页 |
| 3.4. 本章小结 | 第43-44页 |
| 第四章 系统性能比较与验证 | 第44-49页 |
| 4.1. 功能实现比较与验证 | 第44-46页 |
| 4.2. 资源使用比较 | 第46-47页 |
| 4.3. 性能与稳定性 | 第47-48页 |
| 4.4. 性价比 | 第48页 |
| 4.5. 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1. 本文的主要工作 | 第49页 |
| 5.2. 下一步工作展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 附件 | 第54页 |
