[發明專利]基于CUDA的VIBE背景建模方法

在審

• 申請號: 201710463013.6
• 申請日: 2017-06-19
• 公開（公告）號: CN107749065A
• 公開（公告）日: 2018-03-02
• 發明（設計）人: 王欣欣;黃亮;葉超;王旭;應艷麗;周繼強;王麗峰;贠周會
• 申請（專利權）人: 江西洪都航空工業集團有限責任公司
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/136;G06T7/194
• 代理公司: 南昌新天下專利商標代理有限公司36115
• 代理人: 施秀瑾

技術領域

本發明涉及模式識別與人工智能技術領域，尤其涉及一種基于 CUDA的VIBE背景建模方法。

背景技術

隨著社會的進步和經濟的發展，我國的攝像機監控網絡的規模越 來越大，在維護公共安全方面扮演著越來越重要的作用。在現有的視 頻監控系統中，主要還是依靠人工進行監測，耗費大量的人力和時間， 特別是對于規模較大的監控系統，不可能為每個攝像機安排專人進行 24小時的監控，所以在大多數情況下這些視頻監控系統只是起到了 “事后查詢”的作用，并不能在事故發生前進行預警和干預。因此，一 種能夠自動監控視頻場景，在特定事件發生時進行報警的實時智能監 控系統具有巨大的研究價值，在軍事、安防、刑偵、交通控制、災難 監測等方面具有廣泛的應用前景。

實時智能監控系統所依賴的智能監控技術，一般可以分為3個層 次：位于底層的目標檢測技術、位于中間層的目標跟蹤技術和位于頂 層的目標識別(分類)和行為分析技術，其中目標檢測技術是智能監 控技術的基礎，它的性能直接影響著更上層的目標跟蹤、識別以及行 為分析，背景建模算法是目標檢測的關鍵技術，主要用來檢測視頻場 景中的運動前景。作為關鍵技術之一的背景建模算法，一方面，其準 確率和魯棒性直接影響著上層智能分析算法的結果；另一方面，它需 要為后續智能分析算法留出足夠的計算時間，其速度性能也是一項重 要的評價指標。

近年來，GPU的通用編程能力和浮點運算能力飛速發展，并且價 格低廉，為算法的加速提供了一種新的解決手段。英偉達公司針對其 GPU的特點，提出一種利用GPU進行通用計算的平臺CUDA，雖然不 同型號GPU含有的流處理器(Multiprocessor)數量不同，但它們有其它 很多共同點，每個流處理器含有8個處理核心(Processor)、8192個寄 存器、16KB大小的共享內存(Shared Memory)、一定數量的全局內存 (Global Memory)、一定數量的常緩沖(Constant Cache)和紋理緩沖 (Texture Cache)，全局內存比共享內存大，可以存儲較多的數據，但 訪問速度卻較為緩慢；每個流處理器支持最多達768個活動線程 (thread)，與CPU線程不同，CUDA線程可以互不干擾的并行計算，并 且較CPU線程更加輕量級，線程切換消耗更少的資源和時間，因此 如何基于CUDA技術以提升背景建模算法效率已經成為亟待解決的重 要問題。

發明內容

本發明所解決的技術問題在于提供一種基于CUDA的VIBE背景 建模方法，以解決上述背景技術中的缺點。

本發明所解決的技術問題采用以下技術方案來實現：

基于CUDA的VIBE背景建模方法，首先對接入的視頻流進行解 碼，而后將解碼的圖像幀數據導入GPU設備，再對導入至GPU設備 中的圖像幀數據進行濾波，利用CUDA線程為已完成濾波的每一個圖 像像素建立VIBE背景模型，將當前線程塊需要的VIBE背景模型參數 數據寫入共享內存，待智能分析算法計算完畢后，將計算結果從共享 內存寫入全局存儲器，進而提高背景建模算法的效率，具體步驟：

1)模型初始化

為快速開始運動目標檢測，利用第一幀圖像進行瞬時初始化，在 初始化模型時充分利用圖像相鄰像素點之間相似的空間分布特性，對 圖像中任一像素點x，從其8鄰域N₈(x)中隨機選取N個樣本用于初始 化：

M(x)＝{v_i(y)|y∈N₈(x)}(1)

式(1)中，v(x)表示取值于x點的像素值，用具有i下標的v_i表 示樣本的像素值，i＝1,2,…N為樣本的個數，VIBE僅用單幀圖像初始 化背景模型，內存占用少，計算速度快，從第二幀開始即可有效檢測 運動目標；

2)模型匹配

假設當前輸入幀是I_t，像素點x處的像素值是v(x)，定義以v(x)為 中心、R為半徑的球體S_R(v(x))，S_R(v(x))表示所有與v(x)距離小于R的 點集合，用M(x)落在S_R(v(x))內的樣本個數#描述v(x)與背景模型 M(x)的相似度，設置給定閥值#_min，若#＜#_min，則判定v(x)為前景， 若#＞#_min，則判定v(x)為背景，前景二值圖F(x)可表示為：