[发明专利]一种基于视频的快速模板匹配GPU实现方法

说明书

本发明公开了一种基于视频的快速模板匹配GPU实现方法，包括以下步骤：（1）将图像数据复制到GPU设备中，图像复制到设备的操作和图片模板匹配分为两个独立的流执行同时进行，一个执行当前帧的图片模板匹配计算过程操作，一个执行下一帧的图像复制操作；（2）将图像模板数据存储在共享内存中，将图片数据存储在纹理内存中，利用纹理存储器随机取数与图像模板进行匹配度计算；（3）采用多线程并行计算的方式同时进行计算，且一个线程计算一个位置的模板匹配度量值；（4）利用全局原子和共享原子确定模板匹配度量值的最大值或最小值，即得到模板匹配的结果。本发明可以明显缩短模板匹配的时间，提高了模板匹配算法的实用价值。

技术领域

本发明涉及一种模板匹配方法，具体地说，是涉及一种基于视频的快速模板匹配GPU实现方法。

背景技术

模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配或相似部分的技术。很多视频分析应用场景，例如车辆、行人的跟踪中，都选择性地加入了模板匹配的辅助功能，以达到能够适应复杂场景的目的。

模板匹配算法为了确定匹配区域，不得不滑动模板图像与原图像进行比较，

图像块一次一个像素 (从左往右，从上往下)地滑动在每一个位置，都进行一次度量计算来表明它与那个位置的匹配度 (或者说图像块和原图像的特定区域的相似度)，最后匹配度量值最大或者最小的位置即为图像最匹配的部分。

目前，最基本的快速模板匹配度量值计算方法大概以下有六种：

1、平方差匹配SQDIFF

2、标准平方差匹配SQDIFF_NORMED

3、相关匹配CCORR

4、标准相关匹配CCORR_NORMED

5、相关匹配CCOEFF

其中：

6、标准相关匹配CCOEFF_NORMED

I表示图像，T表示模板，R表示结果，模板与图像重叠区域之间求和。

上面算法公式来源于《Opencv教程 基础篇》p327。

随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价)。

但是，就算最简单的平方差测量，在模板大小为180*160，图像大小为1920*1080时，在处理器i7、内存8G的机器上利用CPU运行现有的模板匹配算法也需要花费超过1.5s，这样的速度难以满足人们的实际需要，成为了影响其加入实时视频检测算法的瓶颈。

发明内容

本发明的目的在于提供一种基于视频的快速模板匹配GPU实现方法，解决现有技术中模板匹配算法实现速度低下、难以满足人们实际需求的问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于视频的快速模板匹配GPU实现方法，包括以下步骤：

（1）将图像数据复制到GPU设备中，图像复制到设备的操作和图片模板匹配分为两个独立的流执行同时进行，一个执行当前帧的图片模板匹配计算过程操作，一个执行下一帧的图像复制操作；

（2）将图像模板数据存储在共享内存中，将图片数据存储在纹理内存中，利用纹理存储器随机取数与图像模板进行匹配度计算；