基于稀疏表示的目標(biāo)跟蹤算法及其CUDA實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)性能的巨大進(jìn)步和計(jì)算機(jī)視覺(jué)理論的長(zhǎng)足發(fā)展，目標(biāo)追蹤技術(shù)在諸如機(jī)器人導(dǎo)航，智能監(jiān)控等應(yīng)用場(chǎng)景得到了越來(lái)越廣泛的應(yīng)用。新的場(chǎng)景意味著新的挑戰(zhàn)。面對(duì)目標(biāo)表觀的復(fù)雜變化，目標(biāo)追蹤的應(yīng)對(duì)策略也越來(lái)越復(fù)雜，需要不斷地從其他學(xué)科和領(lǐng)域汲取營(yíng)養(yǎng)。
　　稀疏表示和字典學(xué)習(xí)最初被應(yīng)用于去噪、尺度提升等的圖像處理問(wèn)題，隨后被應(yīng)用于目標(biāo)追蹤?；谙∈璞硎镜哪繕?biāo)追蹤算法展示了良好的適應(yīng)圖像表觀變化的能力。與粒子濾波框架相結(jié)合，目標(biāo)表觀的稀疏分解系

2、數(shù)的稀疏程度和分布可以用于構(gòu)建穩(wěn)健的目標(biāo)圖像似然度函數(shù)，以抵抗局部遮擋、光照變化等問(wèn)題所帶來(lái)的追蹤誤差。
　　稀疏分解系數(shù)主要使用各種迭代優(yōu)化算法求解，因此計(jì)算量大，是其在目標(biāo)追蹤領(lǐng)域走向?qū)嶋H應(yīng)用的一大障礙。GPU近年被廣泛地應(yīng)用于計(jì)算密集型問(wèn)題，獲得極好的效果。NVIDIA公司推出的CUDA編程模型為使用GPU解決通用的計(jì)算任務(wù)提供了條件。
　　本文在GPU上通過(guò)CUDA編程模型實(shí)現(xiàn)了基于稀疏表示的目標(biāo)追蹤算法。使用Spa

3、RSA算法求解區(qū)塊的稀疏編碼，編寫(xiě)了SpaRSA算法的核函數(shù)，結(jié)合CUBLAS庫(kù)，實(shí)現(xiàn)了所有圖像區(qū)塊的稀疏編碼。使用alignment-pooling方法求解每個(gè)粒子的似然度，并編寫(xiě)了核函數(shù)。使用序貫KL算法對(duì)追蹤結(jié)果的目標(biāo)子空間進(jìn)行更新，進(jìn)而更新區(qū)塊字典。序貫KL算法的矩陣計(jì)算部分主要使用CUBLAS庫(kù)和CUSOLVER庫(kù)實(shí)現(xiàn)，編寫(xiě)了核函數(shù)實(shí)現(xiàn)了矩陣運(yùn)算之外數(shù)據(jù)處理。核心的計(jì)算過(guò)程全部在GPU上進(jìn)行，盡量減少了CPU的參與程度。最后，