计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
11期
3187-3193
,共7页
李金静%陈庆奎%刘宝平%刘伯成
李金靜%陳慶奎%劉寶平%劉伯成
리금정%진경규%류보평%류백성
二值分割%二次规划%二次马尔可夫测量场模型%概率%Gauss-Seidel模型%统一计算设备架构
二值分割%二次規劃%二次馬爾可伕測量場模型%概率%Gauss-Seidel模型%統一計算設備架構
이치분할%이차규화%이차마이가부측량장모형%개솔%Gauss-Seidel모형%통일계산설비가구
binary segmentation%Quadratic Programming (QP)%Quadratic Markov Measure Field (QMMF) model%likelihood%Gauss-Seidel model%Compute Unified Device Architecture (CUDA)
针对现有视频二值分割算法分割性能过低的问题,提出了一种基于GPU的视频实时二值概率分割算法.该算法通过规范化视频帧中每个像素属于前景类和背景类的概率大小,实现了基于二次马尔可夫测量场(QMMF)模型的视频实时二值概率分割.首先分别为不同场景的视频帧提出了两种概率模型,即静态背景概率模型(SBLM)和动态背景概率模型(UBLM);然后,通过光照矫正算法颜色转换、阴影抑制算法阴影检测以及伪装检测算法来计算每个像素属于背景类的概率值;最后,通过Gauss-Seidel模型迭代计算出了使能量函数取得最小值的背景概率值进而得到像素的二值化值.此外,为了提高算法分割的准确性,该算法包含了对光照突变、投射阴影以及伪装情况的实时处理.同时,为了满足算法的实时性要求,在NVIDIA GPU上并行实现了该算法.验证了所提算法的分割性能即算法分割的正确性,测试了算法的GPU执行时间.实验结果表明,在算法分割完整性方面ViBe+和GMM+的平均漏检率和平均误检率分别是QMMF的3倍和6倍;在算法执行时间方面ViBe+和GMM+的平均GPU执行时间大约是QMMF的1.3倍.此外,还计算了QMMF算法的GPU加速比约为76.8.
針對現有視頻二值分割算法分割性能過低的問題,提齣瞭一種基于GPU的視頻實時二值概率分割算法.該算法通過規範化視頻幀中每箇像素屬于前景類和揹景類的概率大小,實現瞭基于二次馬爾可伕測量場(QMMF)模型的視頻實時二值概率分割.首先分彆為不同場景的視頻幀提齣瞭兩種概率模型,即靜態揹景概率模型(SBLM)和動態揹景概率模型(UBLM);然後,通過光照矯正算法顏色轉換、陰影抑製算法陰影檢測以及偽裝檢測算法來計算每箇像素屬于揹景類的概率值;最後,通過Gauss-Seidel模型迭代計算齣瞭使能量函數取得最小值的揹景概率值進而得到像素的二值化值.此外,為瞭提高算法分割的準確性,該算法包含瞭對光照突變、投射陰影以及偽裝情況的實時處理.同時,為瞭滿足算法的實時性要求,在NVIDIA GPU上併行實現瞭該算法.驗證瞭所提算法的分割性能即算法分割的正確性,測試瞭算法的GPU執行時間.實驗結果錶明,在算法分割完整性方麵ViBe+和GMM+的平均漏檢率和平均誤檢率分彆是QMMF的3倍和6倍;在算法執行時間方麵ViBe+和GMM+的平均GPU執行時間大約是QMMF的1.3倍.此外,還計算瞭QMMF算法的GPU加速比約為76.8.
침대현유시빈이치분할산법분할성능과저적문제,제출료일충기우GPU적시빈실시이치개솔분할산법.해산법통과규범화시빈정중매개상소속우전경류화배경류적개솔대소,실현료기우이차마이가부측량장(QMMF)모형적시빈실시이치개솔분할.수선분별위불동장경적시빈정제출료량충개솔모형,즉정태배경개솔모형(SBLM)화동태배경개솔모형(UBLM);연후,통과광조교정산법안색전환、음영억제산법음영검측이급위장검측산법래계산매개상소속우배경류적개솔치;최후,통과Gauss-Seidel모형질대계산출료사능량함수취득최소치적배경개솔치진이득도상소적이치화치.차외,위료제고산법분할적준학성,해산법포함료대광조돌변、투사음영이급위장정황적실시처리.동시,위료만족산법적실시성요구,재NVIDIA GPU상병행실현료해산법.험증료소제산법적분할성능즉산법분할적정학성,측시료산법적GPU집행시간.실험결과표명,재산법분할완정성방면ViBe+화GMM+적평균루검솔화평균오검솔분별시QMMF적3배화6배;재산법집행시간방면ViBe+화GMM+적평균GPU집행시간대약시QMMF적1.3배.차외,환계산료QMMF산법적GPU가속비약위76.8.
