[发明专利]一种基于GPU自适应的前景提取方法

摘要

本发明公开了一种基于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，其特征包括将图像数据从内存传递到GPU显存中，对每个像素点对应GPU中一个线程分别进行混合高斯背景建模，其中每个像素点的高斯数目可以动态调整，最后将每个像素点中每个高斯权重最大的进行二值化处理，处理结果作为最终结果通过全局内存传递到内存中。本发明能大大提高前景提取效率，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。

主权项

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，其特征是按如下步骤进行：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：ωi,jk,t=(1-α)ωi,jk,t-1+αMi,jk,t---(1)]]>μi,jk,t=(1-ρi,jk,t)μi,jk,t-1+ρi,jk,tXi,jt---(2)]]>(σ2)i,jk,t=(1-ρ)(σ2)i,jk,t-1+ρ(Xi,jt-μi,jk,t)T(Xi,jt-μi,jk,t)---(3)]]>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Mi,jk,t=1,pk(Xi,jt)≥ϵ0,pk(Xi,jt)<ϵ---(7)]]>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：pk(Xi,jt)=12(Xi,jt-μi,jk,t)TΣ-1(Xi,jt-μi,jk,t)---(8)]]>式(2)中，表示参数，并有：ρi,jk,t=αη(Xi,jt,μi,jk,t,Σ)---(9)]]>式(9)中，η表示高斯函数，并有：η(Xi,jk,μi,jk,t,Σ)=1(2π)32(Σ)12e12(Xi,jk-μi,jk,t)TΣ-1(Xi,jk-μi,jk,t)---(10)]]>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；步骤12、对所述更新后的第t帧图像的W×H个像素点中第i行第j列像素点所对应的高斯模型中，选出一个权重最大的高斯函数，并将所述权重最大的高斯函数所对应的均值与所设定的阈值进行比较；若均值大于所设定的阈值，则设置所述第i行第j列像素点为1；否则，设置所述第i行第j列像素点为0；从而获得第t帧图像中第i行第j列像素点的取值；步骤13、重复步骤12直到获取所述第t帧图像中所有像素点的取值，从而获得所述第t帧图像的二值图像并存入所述GPU图像处理器的全局存储器中；步骤14、将所述第t帧图像的二值图像从所述GPU图像处理器的全局存储器中复制到所述计算机的内存中，以所述第t帧图像的二值图像中取值为1的像素点构成所述前景，从而完成第t帧图像的前景提取；步骤15、返回步骤7执行。