[发明专利]一种基于GPU自适应的前景提取方法

说明书

技术领域

本发明涉及属于视频监控领域，具体地说是一种基于GPU自适应的前景提取方法。

背景技术

视频监控系统广泛用于人们的日常生活当中，比如对医院、银行、车站等大型公共场所的监控，以及社区、超市商场等等的安全保卫。随着人们生活水平日益提高，人们对城市的安防工作要求越来越高，这就对监控系统的智能化程度提出要求。

视频流中前景的提取是运动目标精确提取的前提和保证。而快速、准确、完整地分割出背景成为运动目标精确提取研究中的难点。当前，帧间差分法、光流法和背景提取法是主要的运动目标检测方法。其中帧间差分法适应性差，光流法计算量大，无法达到实时处理。在背景建模各方法中，混合高斯建模方法是公认的检测效果和适应性都较好的方法，但有一定的局限性：每个像素点的高斯数目是固定的，固定的高斯数目无法更好的适应实际环境。此外需要对每个像素点建立3到5个高斯模型，每次背景模型更新都需要遍历到每个像素的所有高斯模型并进行相应的计算，因此计算量巨大，仅靠串行处理难以实时实现，无法在实际中使用。随着技术的发展，在实际使用环境中，高清监控设备以及多路监控设备的应用越来越多，这些设备会在短时间内产生海量的视频图像数据，面对海量数据仅仅使用以前的CPU进行串行处理，已经完全达不到实时要求。此外很多算法已经无法再继续进行优化而对硬件速度的提高也很难完成。

发明内容

本发明是为了克服现有技术存在的不足之处，提供一种基于GPU自适应的前景提取方法，以期能大大提高背景建模效率，并能够实时、精确的提取运动目标，从而能够更好的适应实际环境。

本发明为解决技术问题采用如下技术方案：

本发明一种基于GPU自适应的前景提取方法，是应用于含有GPU图像处理器的计算机中，其特点是按如下步骤进行：

步骤1、将分辨率为W×H的待处理视频的第t帧图像读取到所述计算机的内存中；1≤t≤T；T表示所述待处理视频的总帧数；

步骤2、所述GPU图像处理器从所述计算机的内存中复制所述第t帧图像的像素值并保存到所述GPU图像处理器的显存中；

步骤3、在所述GPU图像处理器中创建W×H个线程，使得所述W×H个线程依次对应于所述待处理视频的W×H个像素点；

步骤4、令所述第t帧图像的第i行第j列的像素点对应于所述W×H个线程中的第i×W+j个线程；在所述第i×W+j个线程中建立N个高斯函数，从而构成所述第i行第j列的像素点的高斯模型；1≤i≤H；1≤j≤W；

步骤5、将所述第i行第j列的像素点的高斯模型的参数保存在所述GPU图像处理器的全局存储器中；所述第i行第j列的像素点的高斯模型的参数包括N个高斯函数的参数；第k个高斯函数的参数为：标准差均值和权重1≤k≤N；

步骤6、重复执行步骤4-步骤5，使得所述第t帧图像中的每个像素点都在所对应的线程中建立相应的高斯模型，从而获得W×H个不同的高斯模型的参数保存在所述GPU图像处理器的全局存储器中；

步骤7、判断t＝T是否成立，若成立，则表示所述待处理视频已完成前景提取；否则，将t+1的值赋值给t；并执行步骤8；

步骤8、所述GPU图像处理器从所述计算机的内存中复制所述第t帧图像的像素值并保存到所述GPU图像处理器的显存中；

步骤9、根据所述第t帧图像的第i行第j列的像素值利用式(1)、式(2)和式(3)更新所述W×H个线程中的第i×W+j个线程中的高斯模型的参数：

式(1)中，α表示权重的更新速度，为常数；表示所述第t帧图像的第i行第j列像素点与第k个高斯函数的匹配结果，并有

式(7)中，表示匹配成功，表示匹配失败，ε表示概率阈值；表示所述第t帧图像的第i行第j列的像素点的第k个高斯函数的函数值；并有：

式(2)中，表示参数，并有：

式(9)中，η表示高斯函数，并有：

式(10)中，I表示单位矩阵；

步骤10、动态调整所述第t帧图像的第i行第j列的像素点的高斯函数的个数N；从而更新所述第i×W+j个线程所对应的第i行第j列的像素点的高斯模型；

步骤11、遍历所述第t帧图像的每个像素值并按照步骤9和步骤10分别进行更新和动态调整；从而获得更新后的第t帧图像的W×H个线程所分别对应的W×H个像素点的高斯模型；