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(duì)交通路況進(jìn)行實(shí)時(shí)監(jiān)控，前提是能夠及時(shí)、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(guò)道路監(jiān)控系統(tǒng)的處理和分析，可以對(duì)交通對(duì)象進(jìn)行檢測(cè)、識(shí)別等處理，對(duì)交通事件進(jìn)行分析和判斷。通過(guò)視頻的方式進(jìn)行檢測(cè)，與傳統(tǒng)的檢測(cè)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(zhǎng)，計(jì)算復(fù)雜度不斷增加，通用型CPU的計(jì)算能力已經(jīng)無(wú)法滿足系統(tǒng)的計(jì)算需求。與此同時(shí)

2、，圖形處理器(GPU)的計(jì)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(jì)算引起了越來(lái)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(duì)CPU/GPU協(xié)同計(jì)算下道路監(jiān)控系統(tǒng)中涉及的若干問(wèn)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(shí)別算法，可以消除日照陰影對(duì)目標(biāo)檢

3、測(cè)的影響，并根據(jù)目標(biāo)所占的像素?cái)?shù)，應(yīng)用像素當(dāng)量，快速的識(shí)別車輛的類別。
　　(2)提出了基于GPU的JPEG區(qū)域解碼算法。針對(duì)JPEG標(biāo)準(zhǔn)中無(wú)法實(shí)現(xiàn)感興趣區(qū)域(ROI)解碼的缺陷，在JPEG文件解碼過(guò)程中，就將ROI外的數(shù)據(jù)舍棄，通過(guò)GPU對(duì)解碼過(guò)程中的運(yùn)算量最大的IDCT進(jìn)行加速，通過(guò)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(duì)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(shí)別方法。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)中的SLFN與R-ELM算法，對(duì)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(shí)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(gè)數(shù)量級(jí)的速度提升。為了提高字符識(shí)別速度，還提出了采用彈性隊(duì)列和動(dòng)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(shí)別過(guò)程中，運(yùn)算效率最大化。實(shí)驗(yàn)顯示，較之