本文關(guān)鍵詞：CUDA并行加速的稀疏PCNN運動目標(biāo)檢測算法

  更多相關(guān)文章： 通用并行計算架構(gòu) 稀疏脈沖耦合神經(jīng)網(wǎng)絡(luò) 改進幀差法 運動目標(biāo)檢測

【摘要】：為準(zhǔn)確檢測低速徑向運動的小運動目標(biāo),降低系統(tǒng)的噪聲,提高系統(tǒng)的實時性,提出一種基于Nvidia通用并行計算架構(gòu)(CUDA)的稀疏脈沖耦合神經(jīng)網(wǎng)絡(luò)運動目標(biāo)檢測的并行算法。根據(jù)圖形處理單元(GPU)的并行結(jié)構(gòu)和硬件特點,將改進幀差法得到二值圖像的過程,以及差分二值圖像映射到稀疏脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的過程均放GPU上執(zhí)行,提高算法的計算效率;選擇利用紋理存儲和共享存儲方式,提高數(shù)據(jù)的訪問效率,降低算法的復(fù)雜度。實驗結(jié)果表明,該算法對運動目標(biāo)檢測的準(zhǔn)確性和實時性優(yōu)于其它方法。
【作者單位】： 東北林業(yè)大學(xué)機電工程學(xué)院;
【關(guān)鍵詞】： 通用并行計算架構(gòu) 稀疏脈沖耦合神經(jīng)網(wǎng)絡(luò) 改進幀差法 運動目標(biāo)檢測
【分類號】：TP391.41;TP183
【正文快照】： 0引言常見的運動目標(biāo)檢測算法有固定背景法、幀間差分法、統(tǒng)計法和光流法4種[1-4]。近年來很多學(xué)者多利用三幀差分法、結(jié)合混合高斯模型的運動目標(biāo)檢測算法對運動目標(biāo)進行檢測[5-7],也有提出基于現(xiàn)場可編程門陣列(FPGA)硬件平臺的運動目標(biāo)檢測算法[8],這些方法對尺寸大、運動

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 華純;肖鐵軍;;基于FPGA的高斯建模運動目標(biāo)檢測算法[J];計算機工程與設(shè)計;2011年09期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 凌濱;鄧艷;于士博;;CUDA并行加速的稀疏PCNN運動目標(biāo)檢測算法[J];計算機工程與設(shè)計;2016年12期

2 王利祥;肖鐵軍;;邊標(biāo)志算法的改進與硬件實現(xiàn)[J];計算機工程與設(shè)計;2014年08期

3 白傳棟;;多功能電機伺服控制器設(shè)計與實現(xiàn)[J];制造業(yè)自動化;2013年06期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 楊數(shù)強;余成波;龔大墉;崔焱U，

本文編號：590916