专利名称：基于gpu的并行高清视频车辆检测方法
技术领域：
本发明涉及ー种车辆检测方法，尤其是一种基于GPU (Graphic Processing Unit)的并行高清视频车辆检测方法，属于高清视频车辆检测的技术领域。
背景技术：
随着技术的发展，在现代智能交通系统中，基于监控视频的车辆检测识别方法已经成为了智能交通系统中车辆检测的主流手段和发展趋势。如何实时地完成高准确率的车辆检测是当今研究的热点和难点。目前，在模式识别领域，比较成熟的技术为SVM完成分类检测以及其各种改进算法。其中经我们研究发现基于稀疏编码和线性SVM分类器的算法，取得了很好的效果。 该算法把待检测图像分割成NXN个图像子块，然后对每个图像子块像提取SIFT (Scale-invariant feature transform)特征，并对SIFT特征进行稀疏编码，计算图像样本的多尺度特征向量，并将该向量输入线性分类器，计算得出分类結果。以上提及的算法的计算速度比非线性SVM(support vector machine)有了显著的提高，对于高清视频监控，其计算速度还难以满足实时性的要求，并且其只是能判断视频中是否出现目标物，不能给出目标的位置信息。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种基于GPU的并行高清视频车辆检测方法，其能满足高清视频监控实时性要求，适应范围广，安全可靠。按照本发明提供的技术方案，一种基于GPU的并行高清视频车辆检测方法，所述并行高清视频车辆检测方法包括如下步骤a、将高清监控相机输出的原始视频流传输到显示卡显存内，所述显示卡内的GPU对原始视频流进行并行解码，以得到ー帧灰度图像；b、所述GPU将每帧灰度图像分割成NXN个图像子块，并对每个图像子块并行提取SIFT特征，以得到N2个特征矩阵1\、T2,……、TN2;C、所述GPU利用上述N2个特征矩阵 \、Τ2、……、ΤΝ2，对每个图像子块进行并行稀疏编码，以得到对应的编码矩阵Vβ2、……、Βν2;d、所述GPU根据上述对应的特征矩阵及编码矩阵，并行计算得到每个图像子块对应的约束矩阵U ；e、GPU根据相应的约束矩阵U，并行计算每个图像子块的特征向量Zk ；f、GPU将上述计算得到的特征向量Zk进行并行线性分类判别，得到相应的判决结果fk ;g、GPU将判决结果fk返回到CPU内，CPU根据判决结果fk控制高清监控相机的エ作状态。所述步骤b中，N为2的幂数。
所述步骤b中，GPU将灰度图像分割成NXN个图像子块后，GPU对每个图像子块分配ー个线程块，并在每个线程块内分配128或256个线程，以并行对所述图像子块进行SIFT特征提取。所述步骤c中，GPU根据提取的特征矩阵对图像子块进行并行稀疏编码方法为
权利要求
1.一种基于GPU的并行高清视频车辆检测方法，其特征是，所述并行高清视频车辆检测方法包括如下步骤 (a)、将高清监控相机输出的原始视频流传输到显示卡显存内，所述显示卡内的GPU对原始视频流进行并行解码，以得到ー帧灰度图像； (b)、所述GPU将每帧灰度图像分割成NXN个图像子块，并对每个图像子块并行提取SIFT特征，以得到N2个特征矩阵1\、T2,……、TN2; (c)、所述GPU利用上述N2个特征矩阵 \、Τ2、……、ΤΝ2，对每个图像子块进行并行稀疏编码，以得到对应的编码矩阵V Β2、……、Βν2; (d)、所述GPU根据上述对应的特征矩阵及编码矩阵，并行计算得到每个图像子块对应的约束矩阵U ； (e)、GPU根据相应的约束矩阵U，并行计算每个图像子块的特征向量Zk； (f)、GPU将上述计算得到的特征向量Zk进行并行线性分类判别，得到相应的判决结果fk ； (g)、GPU将判决结果fk返回到CPU内，CPU根据判决结果fk控制高清监控相机的工作状态。
2.根据权利要求I所述的基于GPU的并行高清视频车辆检测方法，其特征是所述步骤(b)中，N为2的幂数。
3.根据权利要求I所述的基于GPU的并行高清视频车辆检测方法，其特征是所述步骤(b)中，GPU将灰度图像分割成NXN个图像子块后，GPU对每个图像子块分配一个线程块，并在每个线程块内分配128或256个线程，以并行对所述图像子块进行SIFT特征提取。
4.根据权利要求I所述的基于GPU的并行高清视频车辆检测方法，其特征是所述步骤(c)中，GPU根据提取的特征矩阵对图像子块进行并行稀疏编码方法为 其中，约束条件为な，y/ = l，...，/i，n为系数矩阵S的维数，T为图像子块对应的特征矩阵，B为基矩阵，S是系数矩阵，σ、β、c均为常数，Φ ( ·)为稀疏函数。
5.根据权利要求I所述的基于GPU的并行高清视频车辆检测方法，其特征是所述步骤(d)中，GPU根据特征矩阵及编码矩阵计算图像子块的约束矩阵方法为
6.根据权利要求I所述的基于GPU的并行高清视频车辆检测方法，其特征是所述步骤(e)中，GPU计算图像子块的特征向量Zk的方法为
7.根据权利要求7所述的基于GPU的并行高清视频车辆检测方法，其特征是GPU线性判决方法为fk = wTzk+b ； 其中，w表示分类判决向量，b为判决常数，fk表示分类判决結果。
8.根据权利要求7所述的基于GPU的并行高清视频车辆检测方法，其特征是当分类判决结果fk大于O吋，GPU判决第k个图像子块中包含车辆信息，CPU在预览画面相应位置做标示，并结合红灯信号等信息控制高清监控相机抓拍；当所有fk小于O时，判决原始视频流中未保护车辆信息，CPU使得高清监控相机不抓柏。
全文摘要
本发明涉及一种基于GPU的并行高清视频车辆检测方法，其包括如下步骤a、将高清监控相机输出的原始视频流传输到显示卡显存内，显示卡内的GPU对原始视频流进行并行解码，以得到一帧灰度图像；b、GPU将每帧灰度图像分割成N×N个图像子块，并对每个图像子块并行提取SIFT特征；c、GPU对每个图像子块进行并行稀疏编码；d、并行计算得到每个图像子块对应的约束矩阵U；e、并行计算每个图像子块的特征向量zk；f、GPU将上述计算得到的特征向量zk进行并行线性分类判别，得到相应的判决结果fk；g、GPU将判决结果fk返回到CPU内，CPU根据判决结果fk控制高清监控相机的工作状态。本发明能满足高清视频监控实时性要求，适应范围广，安全可靠。
文档编号H04N7/18GK102695040SQ20121013400
公开日2012年9月26日 申请日期2012年5月3日 优先权日2012年5月3日
发明者刘海峰, 彭敏, 李健, 李翔, 郑志彤, 黄溅华 申请人:中兴智能交通(无锡)有限公司