[发明专利]一种基于GPU并行计算的视频运动目标跟踪方法

说明书

一种基于GPU并行计算的视频运动目标跟踪方法，其特征在于包括以下步骤：背景建模，运动目标识别，运动目标特征并行提取，运动目标特征结构化描述和运动目标跟踪；其中，运动目标特征并行提取采用GPU并行计算，并行提取多维度特征，包括运动目标的颜色特征、轮廓特征、运动轨迹特征和时间位置特征和运动目标复杂细节特征。该方法运用GPU并行计算，具有运动目标识别准确、多维度运动目标特征提取全面、目标特征比对详尽、计算运行时间短、缩减数据检索规模、提高数据处理效率和精度的特点，且可以运行在普通设备上，大大降低了成本。

技术领域

本发明涉及并行计算领域、以及视频图像处理技术领域，尤其涉及一种基于GPU并行计算的视频运动目标跟踪方法。

背景技术

随着智慧城市和智能安防的快速发展，监控视频成为了必不可少的组成部分，而为了满足实战要求，监控视频必须达到一定的部署密度。目前，按照8Mb/s的码流计算，每路高清视频平均每天能够产生0.085TB的数据，每个月平均产生约2.6TB的数据。实战中，从如此海量的信息中检索到关键的证据信息，其工作量无疑是巨大的，而对视频进行传统文件搜索和人工内容搜索，效率极其低下，容易遗漏关键信息。

而在检索关键的证据信息时，将会应用目标的特征提取。但是目前，很多智能化应用是以开发为重点，对监控视频内包含特征的提取围绕着软件系统的需要展开。例如，很多应用系统提供人脸识别的功能，但是实际工作过程中对人的着装、色彩、行走姿态等特征更关注。

同时，目前，视频监控设备及图像处理设备多是基于服务器或工作站，虽能满足目前高清设备性能上的要求，但其处理能力却不能满足将来大数据的处理及分析的要求。而且这些产品成本较高，并不适合大范围推广。其它的产品也基本相同，这就阻碍了一些好的技术的推广及普及应用。

发明内容

目的在于提出一种的基于GPU并行计算的目标特征剥离方法。为克服现有技术的不足，本发明提供了一种基于GPU并行计算的视频运动目标跟踪方法，该方法运用GPU并行计算，具有运动目标识别准确、多维度运动目标特征提取全面、目标特征比对详尽、计算运行时间短、缩减数据检索规模、提高数据处理效率和精度的特点，且可以运行在普通设备上，大大降低了成本。

为此，本发明实施例提供了如下技术方案：

一种基于GPU并行计算的视频运动目标跟踪方法，其特征在于，包括以下步骤：

A、背景建模；

步骤A1：读入视频流的一帧图像；

步骤A2：判断读入的帧图像是否为第一帧，若是则利用GPU并行计算建立背景模型，若不是则转向步骤B；其中，所述的背景建模方法可以选择高斯混合模型、非参数化背景模型、CodeBook背景模型中的一种。

B：运动目标识别；

步骤B1：对读入的帧图像用背景模型差分出运动前景图像；

步骤B2：根据连通性判断，合并同一运动目标，并为不具连通性的不同运动目标添加标签加以区分。

C：运动目标特征并行提取；

GPU分配五个核函数，对运动目标多维度基本特征进行并行一次提取，即分别用来提取运动目标的颜色特征、轮廓特征、运动轨迹特征和时间位置特征，以及对运动目标复杂细节特征进行并行二次提取，例如人的面部特征、车牌号特征、车型特征等；其中，所述的运动目标特征的并行提取，可采用一个或多个GPU进行并行计算。

C1：运动目标颜色特征采用HSV色彩空间下色彩直方图进行提取，具体方法是：

步骤C11：将RGB颜色空间转换为HSV模型；