CPU-GPU協(xié)同的道路監(jiān)控關(guān)鍵技術(shù)研究與開發(fā).pdf

1、對交通路況進(jìn)行實(shí)時監(jiān)控，前提是能夠及時、準(zhǔn)確的采集各種交通參數(shù)。攝像裝置拍攝的圖像和視頻，通過道路監(jiān)控系統(tǒng)的處理和分析，可以對交通對象進(jìn)行檢測、識別等處理，對交通事件進(jìn)行分析和判斷。通過視頻的方式進(jìn)行檢測，與傳統(tǒng)的檢測方式相比，可以獲得更多的交通信息，為提高交通管理的智能化水平提供了更多的依據(jù)。
　　隨著技術(shù)的發(fā)展，道路監(jiān)控系統(tǒng)需要處理的數(shù)據(jù)量急劇增長，計算復(fù)雜度不斷增加，通用型CPU的計算能力已經(jīng)無法滿足系統(tǒng)的計算需求。與此同時

2、，圖形處理器(GPU)的計算能力卻以遠(yuǎn)超摩爾定律的速度高速發(fā)展，可編程性的也在不斷提升，CPU/GPU協(xié)同計算引起了越來越多的研究機(jī)構(gòu)和研究者的關(guān)注。
　　圍繞著如何加快道路監(jiān)控系統(tǒng)中處理速度，提升系統(tǒng)的數(shù)據(jù)吞吐率，提高系統(tǒng)的可靠性，本文對CPU/GPU協(xié)同計算下道路監(jiān)控系統(tǒng)中涉及的若干問題進(jìn)行了有益的探索和研究。主要的研究工作和創(chuàng)新點(diǎn)如下:
　　(1)提出了基于光照模型及像素當(dāng)量的車型快速識別算法，可以消除日照陰影對目標(biāo)檢

3、測的影響，并根據(jù)目標(biāo)所占的像素數(shù)，應(yīng)用像素當(dāng)量，快速的識別車輛的類別。
　　(2)提出了基于GPU的JPEG區(qū)域解碼算法。針對JPEG標(biāo)準(zhǔn)中無法實(shí)現(xiàn)感興趣區(qū)域(ROI)解碼的缺陷，在JPEG文件解碼過程中，就將ROI外的數(shù)據(jù)舍棄，通過GPU對解碼過程中的運(yùn)算量最大的IDCT進(jìn)行加速，通過大量的實(shí)驗(yàn)證明，采用該方法根據(jù)ROI的尺寸大小不同，能夠達(dá)到幾倍到幾百倍的加速比。最后，在實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)上，對加速比與圖像及ROI尺寸大小的關(guān)系進(jìn)行

4、了討論。
　　(3)提出了基于R-ELM的牌照字符識別方法。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)中的SLFN與R-ELM算法，對牌照字符分類器進(jìn)行訓(xùn)練，實(shí)驗(yàn)證明，該方法可以在較小的訓(xùn)練集的基礎(chǔ)上，快速達(dá)到滿意的識別效果，并與BP算法及SVM算法的訓(xùn)練效果進(jìn)行了比較，結(jié)果顯示，可以取得1到3個數(shù)量級的速度提升。為了提高字符識別速度，還提出了采用彈性隊列和動態(tài)負(fù)荷調(diào)整結(jié)合的方法，將字符數(shù)據(jù)組合成數(shù)據(jù)包，保證GPU識別過程中，運(yùn)算效率最大化。實(shí)驗(yàn)顯示，較之