基于GPU的目标跟踪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 引言 | 第16页 |
| 1.2 课题背景 | 第16-17页 |
| 1.3 研究现状 | 第17-18页 |
| 1.4 文本结构 | 第18-20页 |
| 第二章 GPU的介绍 | 第20-32页 |
| 2.1 GPU概述 | 第20-22页 |
| 2.2 GPU硬件架构 | 第22-25页 |
| 2.3 CUDA编程模型 | 第25-30页 |
| 2.3.1 CUDA的软件结构 | 第25-26页 |
| 2.3.2 线程块网格 | 第26-27页 |
| 2.3.3 可扩展性 | 第27-28页 |
| 2.3.4 线程块网格的访问权限 | 第28-29页 |
| 2.3.5 异构编程 | 第29-30页 |
| 2.4 CUDA程序的优化方法 | 第30-31页 |
| 2.5 并行计算方法的评估 | 第31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 DF算法的GPU实现 | 第32-46页 |
| 3.1 DF算法的介绍 | 第32-37页 |
| 3.1.1 DF算法的背景和思想 | 第32页 |
| 3.1.2 DF算法的模型 | 第32-34页 |
| 3.1.3 DF算法的模型求解 | 第34-37页 |
| 3.2 DF算法的GPU实现细节 | 第37-42页 |
| 3.2.1 利用GPU求最值和求和 | 第37-40页 |
| 3.2.2 初始化 | 第40页 |
| 3.2.3 计算P处的目标特征 | 第40-42页 |
| 3.2.4 计算目标位置 | 第42页 |
| 3.3 DF算法的实验测试 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 Struck算法的GPU实现 | 第46-64页 |
| 4.1 Struck算法的介绍 | 第46-57页 |
| 4.1.1 Struck算法的背景和思想 | 第46页 |
| 4.1.2 Struck算法的模型 | 第46-47页 |
| 4.1.3 核函数与核方法 | 第47-48页 |
| 4.1.4 Struck算法的模型求解 | 第48-57页 |
| 4.2 Struck算法的GPU实现细节 | 第57-62页 |
| 4.2.1 初始化 | 第57-58页 |
| 4.2.2 训练样本的采集和特征提取 | 第58-59页 |
| 4.2.3 模型更新 | 第59-60页 |
| 4.2.4 候选样本的采集和特征提取 | 第60-61页 |
| 4.2.5 目标判别 | 第61-62页 |
| 4.3 Struck算法的实验测试 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 KCF算法的GPU实现 | 第64-78页 |
| 5.1 KCF算法的介绍 | 第64-73页 |
| 5.1.1 KCF算法的背景和思想 | 第64-65页 |
| 5.1.2 KCF算法的模型 | 第65-70页 |
| 5.1.3 KCF算法的模型求解 | 第70-73页 |
| 5.2 KCF算法的GPU实现细节 | 第73-75页 |
| 5.2.1 初始化 | 第73页 |
| 5.2.2 特征提取 | 第73-74页 |
| 5.2.3 计算互相关矩阵 | 第74页 |
| 5.2.4 计算回归系数 | 第74-75页 |
| 5.2.5 计算预测值 | 第75页 |
| 5.3 KCF算法的实验测试 | 第75-76页 |
| 5.4 本章小结 | 第76-78页 |
| 第六章 三种算法的对比 | 第78-80页 |
| 第七章 总结与展望 | 第80-82页 |
| 7.1 总结 | 第80页 |
| 7.2 展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |
