GPGPU加強(qiáng)的3D粒子濾波跟蹤算法研究.pdf

1、近年來(lái)，隨著技術(shù)的進(jìn)步，越來(lái)越多的智能化產(chǎn)品出現(xiàn)在了人們的生產(chǎn)生活中。用機(jī)器代替人對(duì)所處的環(huán)境進(jìn)行感知，并且做出相應(yīng)的判斷處理也變得越來(lái)越普遍，智能視頻分析就是其中的代表。目標(biāo)跟蹤技術(shù)是智能視頻分析的關(guān)鍵技術(shù)。它被廣泛的運(yùn)用在視頻監(jiān)控，運(yùn)動(dòng)監(jiān)測(cè)，機(jī)器視覺(jué)等各個(gè)領(lǐng)域。粒子濾波作為目標(biāo)跟蹤領(lǐng)域中的一個(gè)十分有前景的方法，被越來(lái)越多的研究者們廣泛關(guān)注。但是卻因?yàn)榫薮蟮挠?jì)算復(fù)雜度使得它難以被運(yùn)用在實(shí)時(shí)的跟蹤系統(tǒng)中。
　　隨著人們對(duì)圖像質(zhì)量，

2、游戲處理速度的要求越來(lái)越高，GPU以極快的速度發(fā)展著，現(xiàn)在研究者們?cè)絹?lái)越普遍的將普通算法移植到GPU上進(jìn)行計(jì)算來(lái)提升速度。通用GPU計(jì)算的研究，也變得十分受人關(guān)注。另外Kinect作為微軟推出的一款體感攝像頭，也因其提供的豐富的圖形數(shù)據(jù)而受到研究者們的青睞。
　　本文在對(duì)跟蹤算法以及GPU編程架構(gòu)進(jìn)行研究之后，為了減少運(yùn)算的代價(jià)但又不犧牲跟蹤的質(zhì)量，提出了一種GPGPU加強(qiáng)的3D粒子濾波跟蹤的新方法，本文進(jìn)行的主要工作如下：首先研

3、究了粒子濾波算法理論基礎(chǔ)及其在圖像目標(biāo)跟蹤的應(yīng)用。其次圍繞GPU的與CUDA（計(jì)算統(tǒng)一設(shè)備架構(gòu)），研究了在其架構(gòu)下針對(duì)粒子濾波算法進(jìn)行高效編程的方法。然后，討論了Kinect攝像頭及其OpenNI接口的使用技術(shù)。在此基礎(chǔ)上，提出了一種GPGPU加強(qiáng)的3D粒子濾波跟蹤方法。這種方法一方面是充分利用Kinect攝像頭提供的深度信息將傳統(tǒng)的2D跟蹤方案擴(kuò)展成3D，以改進(jìn)跟蹤的準(zhǔn)確性；另一方面是將傳統(tǒng)粒子濾波算法搬移到 GPU平臺(tái)上實(shí)現(xiàn)，并借鑒

4、大數(shù)據(jù)計(jì)算中經(jīng)典的MapReduce架構(gòu)思想優(yōu)化并行處理，從而提升大數(shù)量粒子跟蹤時(shí)的運(yùn)算速度。本文在CUDA5.5的GPGPU平臺(tái)上設(shè)計(jì)并實(shí)現(xiàn)了所提出的粒子濾波跟蹤方案，并開(kāi)展了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明新方法實(shí)時(shí)性良好且能穩(wěn)定地跟蹤目標(biāo)。
　　本文提出的方法包含以下創(chuàng)新點(diǎn)，（1）利用目標(biāo)深度信息的自適應(yīng)跟蹤窗口技術(shù)；（2）粒子濾波算法在GPGPU上MapReduce架構(gòu)下的優(yōu)化處理，主要是算法中的粒子移動(dòng)、直方圖計(jì)算與相似度計(jì)算單元