基于GPU的视频信息并行处理系统设计与实现

来源 :天津科技大学 | 被引量 : 1次 | 上传用户:lihongyuansky
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伴随着获取视频信息硬件的普及和视频高清化的需求,视频信息数据量快速增长,行业对高性能并行解决方案的需求日益增加,传统使用CPU硬件与串行视频信息处理算法相结合的模式越来越不能满足在大数据环境下高速计算的要求。现代图形处理器(Graphic Proeessing Unit,GPU)的可编程性和高效能计算能力日益增强,为利用GPU硬件和并行算法进行高性价比通用计算提供了良好的运行平台,成为目前高性能计算领中的热点研究课题。本文利用GPU和CPU构建异构平台,针对运动目标识别和跟踪算法的并行化提出了相应的解决方案,并进行系统集成。主要工作如下:(1)在视频信息处理中,通过对模板匹配运动目标识别算法和MeanShift运动目标跟踪算法进行研究分析,提出了采用CPU+GPU异构并行处理进行算法加速的解决方案,并研究了运动目标识别和跟踪中的GPU大规模并行化计算的设计方法。针对GPU与CPU的不同,分析和研究了GPU的加速原理以及当前比较成熟的CUDA编程模型的结构及特点。(2)研究了并行化目标识别和跟踪算法的算法设计和优化策略。在并行算法设计上,两者均采用基于CPU+GPU的整体任务划分,然后在GPU上进行任务分解和合理线程分配的思路。在并行算法优化上,采用存储器访问和通信优化等策略进行模板匹配运动目标识别并行算法设计;采用共享存储器和缩减树方法进行MeanShift运动目标跟踪并行算法设计。(3)综合以上运动目标识别和跟踪的并行算法研究成果,设计和实现了基于GPU的视频信息并行处理系统,通过自动快速识别完成定位,然后进行跟踪。实验结果表明,基于GPU的并行处理系统能够在大数据量视频信息处理中取得较好的加速比。
其他文献
随着计算机技术的日新月异和自然科学领域的不断发展,科学工作流作为面向数据的工作流旨在利用计算机技术帮助人们解决科学实验的数据再现和有效性验证等问题,并进一步减轻科学
随着大规模集成技术的发展,数字信号处理器(DSP)在功能、处理速度和处理能力方面都取得了划时代的突破,并广泛应用在数据通信、图像处理、语音处理、自动控制等领域中。DSP嵌
语义网是当前Web的一种扩展,其中的信息附加了机器可处理的语义。语义网是一个信息基础设施,它提供一个通用可存取的信息平台,使计算机能有效地发现、处理、集成和复用Web内
学位
随着科学技术特别是计算机网络与信息技术的迅猛发展,科研环境和科研过程发生了很大的变化。由于科学研究的问题空前复杂化,科研过程中对数据和信息的获取和处理显得越来越重
随着信息技术的发展,尤其是Internet的普及和应用,以电子形式存在的文本信息已经成为人们主要的信息来源,人们需要对这些大量的文本资源进行有效的组织,以利于主题发现、信息
遗传程序设计(GP)因其出众的解决复杂问题的能力成为演化计算中的重要分支,为多国学者青睐,并被应用于如人工智能、金融测算等多个领域。然而,GP及其分支在演化过程中出现的
市场的全球化带来了产品设计和生产管理的网络化要求;要求有一种支持协同设计的平台技术,支持不同专业背景的领域专家间的协同工作。分布环境下异构CAD系统间协同设计的最大挑
随着通信能力的不断增强以及通信业务的多样化,为了提供下一代网络服务,3GPP在R5版本中引入了IP多媒体子系统(IP Multimedia Subsystem,IMS)。IMS位于3G核心网中,构架于分组域(PS
近年来多媒体应用逐渐成为计算领域研究的热点。为了获得更为卓越的性能,几乎所有的通用处理器生产厂商都为他们的处理器集成了一个或多个多媒体指令扩展部件。针对多媒体应用