隨著計(jì)算機(jī)科學(xué)技術(shù)的迅速發(fā)展,智能視頻監(jiān)控分析成為當(dāng)下研究的熱點(diǎn)之一,對(duì)目標(biāo)進(jìn)行檢測(cè)是智能視頻監(jiān)控的關(guān)鍵技術(shù)。Adaboost(Adaptive Boosting,自適應(yīng)增強(qiáng)學(xué)習(xí))是當(dāng)前在智能視頻監(jiān)控領(lǐng)域應(yīng)用十分廣泛的一種目標(biāo)檢測(cè)算法。相比于其他復(fù)雜的人工智能算法,Adaboost算法對(duì)設(shè)備要求較低,因此應(yīng)用廣泛。同時(shí)隨著相關(guān)技術(shù)的提升,監(jiān)控視頻的分辨率也在逐漸提高,對(duì)視頻中目標(biāo)的檢測(cè)過(guò)程所需要的數(shù)據(jù)量隨之增大,對(duì)檢測(cè)的實(shí)時(shí)性提出了考驗(yàn)。GPU(Graphics Processing Unit,圖形渲染芯片)原本是用以處理圖像的硬件設(shè)備,它具備出眾的通用計(jì)算能力,因此近年來(lái)被廣泛應(yīng)用于圖形圖像處理以外的數(shù)據(jù)計(jì)算領(lǐng)域。本文借助GPU的通用計(jì)算能力,對(duì)Adaboost車(chē)輛檢測(cè)算法進(jìn)行優(yōu)化,縮短車(chē)輛檢測(cè)時(shí)間、提高車(chē)輛檢測(cè)效率,對(duì)不同分辨率的車(chē)輛圖像進(jìn)行目標(biāo)檢測(cè)速度測(cè)試,并在實(shí)際場(chǎng)景中進(jìn)行檢測(cè)加速實(shí)驗(yàn)。本文主要研究工作如下:(1)對(duì)Adaboost車(chē)輛檢測(cè)算法進(jìn)行分析,針對(duì)計(jì)算量較大的部分提出并行化優(yōu)化方案,利用GPU硬件設(shè)備,借助CUDA(Compute Unified Device Arc... 

【文章來(lái)源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

CPU和GPU架構(gòu)對(duì)比

圖 2.2 CUDA 線(xiàn)程塊網(wǎng)格[42]文描述，一個(gè)線(xiàn)程塊中的線(xiàn)程可以通過(guò)共享內(nèi)存實(shí)現(xiàn)數(shù)據(jù)交換，線(xiàn)程該集中在一個(gè)流多處理器簇上，流多處理器簇是由流多處理器組成的應(yīng)一個(gè)流多處理器。當(dāng)某個(gè)線(xiàn)程塊進(jìn)行同步操作或者訪問(wèn)全局內(nèi)存等，系統(tǒng)將其他空閑的線(xiàn)程塊激活開(kāi)始其他任務(wù)，避免了等候帶來(lái)的時(shí)塊間相互獨(dú)立并同時(shí)進(jìn)行不同計(jì)算任務(wù)有利于系統(tǒng)高效率的構(gòu)建。塊通常被劃分成線(xiàn)程束（Warp）來(lái)進(jìn)行線(xiàn)程調(diào)度，線(xiàn)程束通常由 32，是流多處理器簇最小的調(diào)度單元。同一個(gè) warp 中的 32 個(gè)線(xiàn)程屬于同一時(shí)間并發(fā)執(zhí)行同一條指令，滿(mǎn)足一致性的要求。

14圖 2.3 CUDA 存儲(chǔ)器層次結(jié)構(gòu)[42]表 2.1 GPU 端 6 種存儲(chǔ)器信息器 位置 訪問(wèn)權(quán)限 變量生器 片內(nèi) 設(shè)備端可讀可寫(xiě) 與線(xiàn)程儲(chǔ)器 片外 設(shè)備端可讀可寫(xiě) 與線(xiàn)程儲(chǔ)器 片內(nèi) 設(shè)備端可讀可寫(xiě) 與線(xiàn)程儲(chǔ)器 片外 設(shè)備端只讀，主機(jī)端可讀可寫(xiě) 可在程序儲(chǔ)器 片外 設(shè)備端只讀，主機(jī)端可讀可寫(xiě) 可在程序儲(chǔ)器 片外 設(shè)備端可讀可寫(xiě)，主機(jī)端可讀可寫(xiě) 可在程序


本文編號(hào)：2898692