学位论文 > 优秀研究生学位论文题录展示

GPU在车辆检测与跟踪系统中的应用研究

作　者: 徐文锋
导　师: 梁声灼；陈军明
学　校: 南昌大学
专　业: 计算机技术
关键词: GPU CUDA 车辆检测与跟踪 角点检测
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 49次
引　用: 0次
阅　读: 论文下载
 

内容摘要


智能交通系统(Intelligent Transport System)是将先进的电子传感技术、计算机处理技术、数据通信传输技术、电子控制技术及信息技术等有效地集成运用于整个交通管理而建立的一种在准确、实时、高效的综合交通运输管理系统。其中使用机器视觉的技术的车辆检测与跟踪系统是智能交通系统的核心组成部份,最近几年,该系统已经逐渐成为国内外专家研究的热点。而随着当前实际应用需求的提高,车辆检测与跟踪系统也同时对数据的准确性和实时性提出了更高的要求。随着整个系统所需要处理的数据量越大,所牵涉到的计算量也更大了,这样就使得我们个人电脑的计算能力远远满足不了实际应用的要求。因此,如何进一步提高车辆检测与跟踪系统中图像处理算法的计算效率,使其满足实时应用的需求是当前该领域内一个亟待解决的问题。近些年来,图形处理器(GPU)得到了非常大的发展,通过使用GPU的加速处理,计算的速度通常能够获得一个或几个数量级的提升,由此,GPU强大的计算和并行处理能力可以打破车辆检测与跟踪系统中的速度处理瓶颈,提高算法的执行效率,从而实现车辆检测与跟踪系统的数据实时性。本文首先把GPU和CPU做了个比较,从而引出GPU的历程、特点、工作原理、和将来的发展趋势；其次介绍了CUDA平台,利用该平台,我们能够方便并充分发挥出GPU强大计算和并行处理能力的,并辅以一个实例展示了GPU强大的计算和并行处理能力；最后,在此基础上进一步分析了视频图像的车辆检测与跟踪系统的整个过程中GPU的应用,并在CUDA平台上实现了图像灰度化、图像平滑和角点检测等几个关键步骤。

全文目录


摘要  3-4
Abstract  4-7
第一章 绪论  7-9
  1.1 选题的背景  7
  1.2 国内外对GPU的研究现状  7-8
  1.3 论文研究的目的和意义  8
  1.4 论文研究的内容和方法  8-9
第二章 图形处理器(GPU)的简介  9-15
  2.1 GPU与CPU的区别  9-10
  2.2 GPU的发展历程  10-11
  2.3 GPU的工作流程  11
  2.4 GPU在通用计算领域中的应用  11-12
  2.5 GPU的发展趋势  12-13
  2.6 数字图像处理中使用GPU应用研究[11]  13-14
  2.7 适合使用GPU进行加速处理的算法分析  14-15
第三章 GPU的开发环境CUDA  15-25
  3.1 出现CUDA的背景  15-16
  3.2 CUDA的硬件架构  16
  3.3 CUDA的软件环境  16-17
  3.4 CUDA的编程模型  17-20
    3.4.1 内核  17-18
    3.4.2 线程层次  18-20
    3.4.3 存储器层次结构  20
  3.5 CUDA的应用领域  20
  3.6 基于CUDA的图像处理应用  20-25
    3.6.1 图像锐化的基本原理  20-21
    3.6.2 用CUDA代码具体实现  21-23
    3.6.3 实验分析  23-25
第四章 GPU在车辆检测与跟踪系统的应用  25-47
  4.1 基于GPU的图像预处理  25-33
    4.1.1 图像灰度化  25-29
    4.1.2 图像平滑处理  29-33
  4.2 目标区域提取的几种方法中GPU的应用  33-36
    4.2.1 帧差法  33-35
    4.2.2 背景差法  35
    4.2.3 光流法  35-36
  4.3 基于GPU的车辆检测  36-38
    4.3.1 边缘检测简介  37
    4.3.2 边缘检测的原理  37
    4.3.3 GPU实现边缘检测的分析  37-38
  4.4 基于GPU的角点检测算法  38-44
    4.4.1 角点检测算法  38-39
    4.4.2 GPU算法的实现  39-40
    4.4.3 CUDA代码实现  40-42
    4.4.4 实验数据分析  42-44
  4.5 基于角点检测的车速测量  44-46
    4.5.1 基于角点检测的车速测量原理  44-45
    4.5.2 车速测量  45-46
    4.5.3 GPU加速车速测量的可行性分析  46
  4.6 基于角点检测的车型识别  46-47
    4.6.1 基于角点检测的车型识别原理  46
    4.6.2 GPU加速车型识别的可行性分析  46-47
第五章 总结与展望  47-49
  5.1 总结  47-48
  5.2 展望  48-49
致谢  49-50
参考文献  50-51

相似论文

  1. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
  2. 基于CUDA的图像数字水印技术的研究,TP309.7
  3. CUDA平台下数字图像认证方法的设计与实现,TP391.41
  4. 基于GPU并行加速的正射影像生成研究,TP391.41
  5. 基于GPU的BLAST程序的并行计算的研究,TP338.6
  6. 基于GPU的医学图像体绘制算法的研究与实现,TP391.41
  7. 视觉测量系统的摄像机标定及其应用研究,TP391.41
  8. CUDA技术在多节点超短期负荷预测上的应用,TM715
  9. 基于双目视觉的河道测量技术研究,TP391.41
  10. 水稻分蘖断层图像重建加速研究,TP391.41
  11. 基于并行计算的立体影像密集匹配算法研究,TP391.41
  12. 快速智能入侵检测技术研究,TP393.08
  13. 基于视频的车辆检测与跟踪算法的研究与实现,TP391.41
  14. 基于GPU的有限元方法研究,O241.82
  15. 心血管系统虚拟内窥镜技术研究,TP391.41
  16. 基于能量最小化的腹部CT图像分割与三维可视化,TP391.41
  17. 基于多核环境的基因贝叶斯网络构造算法研究与实现,Q75
  18. 基于CUDA的正则表达式匹配系统的设计与实现,TP311.52
  19. 基于GPGPU的快速白光干涉测量系统研究,O439
  20. 群体仿真算法研究及疏散仿真系统开发,TP391.9

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com