[go: up one dir, main page]

CN104376578A - 一种应用于直录播系统中的运动目标检测处理方法及设备 - Google Patents

一种应用于直录播系统中的运动目标检测处理方法及设备 Download PDF

Info

Publication number
CN104376578A
CN104376578A CN201410619269.8A CN201410619269A CN104376578A CN 104376578 A CN104376578 A CN 104376578A CN 201410619269 A CN201410619269 A CN 201410619269A CN 104376578 A CN104376578 A CN 104376578A
Authority
CN
China
Prior art keywords
object detection
moving object
detected
pixel
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410619269.8A
Other languages
English (en)
Inventor
沈玉将
陈飞龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Codyy Network Technology Co Ltd
Original Assignee
Suzhou Codyy Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Codyy Network Technology Co Ltd filed Critical Suzhou Codyy Network Technology Co Ltd
Priority to CN201410619269.8A priority Critical patent/CN104376578A/zh
Publication of CN104376578A publication Critical patent/CN104376578A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供一种应用于直录播系统中的运动目标检测处理方法及设备。上述方法包括以下步骤：图形处理器获取待检测图像；所述图形处理器采用n个并行线程分别执行n组运动目标检测流程，其中，每组运动目标检测流程包括t个运动目标检测流程；所述n个并行线程的执行结果是检测出的运动目标。图形处理器采用特殊的分配规则将图形处理器中的多个并列线程分配给运动目标检测流程，实现了线程的二维合理分配处理，充分利用了图形处理器中线程可并行执行的特性，提高了处理效率。

Description

一种应用于直录播系统中的运动目标检测处理方法及设备
技术领域
本发明属于图像处理领域，尤其涉及一种应用于直录播系统中的运动目标检测处理方法及设备。
背景技术
随着运动目标检测技术的不断发展，众多研究者对目标检测技术领域做了大量相关研究工作，但运动目标检测的过程中存在着噪声干扰以及其他周期性运动等问题，致使很难准确检测出运动目标。
同时，现有的运动目标检测技术的研究往往是基于CPU串行处理，CPU在同一时间点只能执行一个指令，由于在检测的过程中，会有大量的缓存数据产生并存储于CPU中，并且CPU需要频繁地将缓存数据发给执行检测的图形处理器，从而降低了目标检测的速度，难以进行快速、有效的运动目标检测。
发明内容
本发明提供一种应用于直录播系统中的运动目标检测处理方法及设备，以解决上述问题。
本发明提供一种应用于直录播系统中的运动目标检测处理方法。上述方法包括以下步骤：图形处理器获取待检测图像；所述图形处理器采用n个并行线程分别执行n组运动目标检测流程，其中，每组运动目标检测流程包括t个运动目标检测流程，t、n为大于1的整数，一个所述运动目标检测流程是针对所述待检测图像中的一个像素点进行的运动目标检测处理过程；所述n个并行线程的执行结果是检测出的运动目标。
本发明还提供一种应用于直录播系统中的运动目标检测处理设备，上述设备包括：图形处理器，其中，所述图形处理器包括：获取单元、存储单元和处理单元，所述获取单元和所述处理单元分别与所述存储单元连接；所述获取单元用于获取待检测图像，将所述待检测图像发送到所述存储单元；所述存储单元用于接收所述待检测图像发送的待检测图像，所述存储单元还用于存储接收到的所述待检测图像；所述处理单元用于采用n个并行线程分别执行n组运动目标检测流程，其中，每组运动目标检测流程包括t个运动目标检测流程，t、n为大于1的整数，所述处理单元还用于输出所述n个并行线程的执行结果，得到检测出的运动目标。
相较于先前技术，根据本发明提供的应用于直录播系统中的运动目标检测处理方法及设备，所述图形处理器采用特殊的分配规则将图形处理器中的多个并列线程分配给运动目标检测流程，实现了线程的二维合理分配处理，充分利用了图形处理器中线程可并行执行的特性，提高了处理效率，并且将运动目标检测中大量的缓存数据存储于图形处理器中，这样减少了图形处理器与CPU之间的数据交换，从而提高了运动目标检测的处理效率。另外，图形处理器GPU相对CPU集成度高，价格低，进一步减小了设备的成本和体积。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1所示为根据本发明的较佳实施例提供的应用于直录播系统中的运动目标检测处理方法的流程图；
图2所示为根据本发明的较佳实施例提供的待检测图像像素点的示意图；
图3所示为根据本发明的较佳实施例提供的应用于直录播系统中的运动目标检测处理设备。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本发明的较佳实施例提供的应用于直录播系统中的运动目标检测处理方法的流程图。如图1所示，本发明的较佳实施例提供的应用于直录播系统中的运动目标检测处理方法包括步骤101-103。
步骤101：图形处理器获取待检测图像；
步骤102：所述图形处理器采用n个并行线程分别执行n组运动目标检测流程，其中，每组运动目标检测流程包括t个运动目标检测流程，t、n为大于1的整数，一个所述运动目标检测流程是针对所述待检测图像中的一个像素点进行的运动目标检测处理过程；
所述图形处理器采用n个并行线程分别执行n组运动目标检测流程的过程，包括：根据所述待检测图像的总像素点数目得到所需线程块的大小；以t个像素点作为一个像素点组对总像素点进行划分；将所述线程块划分为多个并行线程，并使各个并行线程与各个像素点组相对应(即一个并行线程对应t个像素点)，得到并行线程序号与像素点组序号的对应关系(即像素点组序号与并行线程序号一一对应)；根据所述对应关系，使各并行线程执行对应像素点组的运动目标检测流程。
根据所述待检测图像的总像素点数目得到所需线程块的大小的具体过程为：将所述所需线程块的大小设置为所述待检测图像的总像素点数目的1/t。
根据下述公式确定所述并行线程序号与像素点组序号的对应关系：index＝y×width+4x；
其中，x是所述并行线程在x维上的并行线程序号，y是所述并行线程在y维上的并行线程序号，index是所述待检测图像上像素点组的序号，width为所述待检测图像的x维上的像素点总数目。
所述t为4。
所述运动目标检测流程是以下任意一种：背景差分检测流程、帧间差分检测流程、光流检测流程。
所述待检测图像存储于所述图形处理器中。
步骤103：所述n个并行线程的执行结果是检测出的运动目标。
在下文中以背景差分检测流程为例来详细说明本发明的技术方案：
图形处理器进行初始化过程，进行上下文的创建、命令队列的创建和缓存的创建。
处理器(CPU)将当前帧图像发送至图形处理器，图形处理器将该当前帧图像和前一帧图像分别保存在缓存中，(假设当前处理的图像尺寸为1920×1080的图像)，待检测图像像素点的示意图，具体如图2所示。
为了提高图像处理器的处理效率，在本实施例中，以4个像素点作为一个像素点组在x维度上对总像素点进行划分，得到480×1080组像素点组，图形处理器将每一组像素点组对应一个并行线程，这样所需要的线程块的大小为(x，y)＝(480，1080)，即如果要处理480×1080组像素点组，则需要480×1080个并行线程，每一个并行线程执行一组运动目标检测流程，而一组运动目标检测流程包含4个运动目标检测流程(即处理4个像素点的运动目标检测流程)，使待检测图像中像素点组序号与并行线程序号一一对应，根据下述公式所述对应关系：index＝y×width+4x；以并行线程(0,0)为例，其在x维上的并行线程序号为0，在y维上的并行线程序号为0，width为1920(可以理解是待检测图像的横向所拥有的像素点的数目)，因此该并行线程(0,0)分配到的像素点组的序号为index＝0×1920+4×0＝0，序号为0的像素点组其所包含的4个像素点的编号分别为0、1、2、3。下面继续以并行线程(0，2)为例，并行线程(0，2)分配到的像素点组的序号为index＝2×1920+4×0＝3840。序号为3840的像素点组对应的像素点的编号为3840、3841、3842、3843。
下面以背景差分检测流程执行该运动目标检测流程为例，背景差分的检测处理是将当前帧图像的像素点的像素值减去背景帧图像的像素点的像素值的绝对值，得到背景差，即背景差＝︱当前帧的像素点的像素值－前一帧的像素点的像素值︱。将背景差的预设值设置为30，若所述背景差大于等于预设值，则将当前所处理的像素点的灰度值设为255，若所述背景差小于预设值，则将当前所处理的像素点的灰度值设为0。并行线程(0,0)执行序号为0的像素点组(对应的像素点的编号为0、1、2、3)的运动目标检测流程。图形处理器检测到的前一帧(第3帧)图像中像素点的编号为0、1、2、3的像素值和当前帧(第4帧)图像中编号为0、1、2、3的像素点的像素值，具体下表所示：
当前帧的像素值 前一帧的像素值 背景差
像素点的编号为0 156 129 27
像素点的编号为1 146 138 8
像素点的编号为2 87 135 48
像素点的编号为3 144 192 48
像素点的编号为0的背景差小于预设值，输出灰度值为0的像素点，像素点的编号为1的背景差小于预设值，输出灰度值为0的像素点，像素点的编号为2的背景差大于预设值，输出灰度值为255的像素点，像素点的编号为3的背景差大于预设值，输出灰度值为255的像素点(输出结果中灰度值为255的像素点为运动目标)。将输出的像素点存入缓存中，由CPU进行读取，完成一帧图像的运动目标检测流程。
图3所示为根据本发明的较佳实施例提供的应用于直录播系统中的运动目标检测处理设备的示意图。如图3所示，本发明的较佳实施例提供的应用于直录播系统中的运动目标检测处理设备，包括图形处理器300，其中，所述图形处理器300包括：获取单元302、存储单元304和处理单元306，所述获取单元302和所述处理单元306分别与所述存储单元304连接；所述获取单元302用于获取待检测图像，将所述待检测图像发送到所述存储单元304；所述存储单元304用于接收所述待检测图像发送的待检测图像，所述存储单元304还用于存储接收到的所述待检测图像；所述处理单元用于采用n个并行线程分别执行n组运动目标检测流程，其中，每组运动目标检测流程包括t个运动目标检测流程，t、n为大于1的整数，所述处理单元还用于输出所述n个并行线程的执行结果，得到检测出的运动目标。
此外，关于上述设备的具体操作过程同上述方法所述，故于此不再赘述。
综上所述，根据本发明提供的应用于直录播系统中的运动目标检测处理方法及设备，所述图形处理器采用特殊的分配规则将图形处理器中的多个并列线程分配给运动目标检测流程，实现了线程的二维合理分配处理，充分利用了图形处理器中线程可并行执行的特性，将运动目标检测中大量的缓存数据存储于图形处理器中，这样减少了图形处理器与CPU之间的数据交换，从而提高了运动目标检测的处理效率。另外，图形处理器GPU相对CPU集成度高，价格低，进一步减小了设备的成本和体积。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种应用于直录播系统中的运动目标检测处理方法，其特征在于，包括以下步骤：
图形处理器获取待检测图像；
所述图形处理器采用n个并行线程分别执行n组运动目标检测流程，
其中，每组运动目标检测流程包括t个运动目标检测流程，t、n为大于1的整数，一个所述运动目标检测流程是针对所述待检测图像中的一个像素点进行的运动目标检测处理过程；
所述n个并行线程的执行结果是检测出的运动目标。
2.根据权利要求1所述的方法，其特征在于，所述图形处理器采用n个并行线程分别执行n组运动目标检测流程的过程，包括：
根据所述待检测图像的总像素点数目得到所需线程块的大小；
以t个像素点作为一个像素点组对总像素点进行划分；
将所述线程块划分为多个并行线程，并使各个并行线程与各个像素点组相对应，得到并行线程序号与像素点组序号的对应关系；
根据所述对应关系，使各并行线程执行对应像素点组的运动目标检测流程。
3.根据权利要求2所述的方法，其特征在于，根据下述公式确定所述并行线程序号与像素点组序号的对应关系：
index＝y×width+4x；
其中，x是所述并行线程在x维上的并行线程序号，y是所述并行线程在y维上的并行线程序号，index是所述待检测图像上像素组的序号，width为所述待检测图像的x维上的像素点总数目。
4.根据权利要求2所述的方法，其特征在于，根据所述待检测图像的总像素点数目得到所需线程块的大小的具体过程为：将所述所需线程块的大小设置为所述待检测图像的总像素点数目的1/t。
5.根据权利要求1所述的方法，其特征在于，所述t为4。
6.根据权利要求1所述的方法，其特征在于，所述运动目标检测流程是以下任意一种：背景差分检测流程、帧间差分检测流程、光流检测流程。
7.根据权利要求1所述的方法，其特征在于，所述待检测图像存储于所述图形处理器中。
8.一种应用于直录播系统中的运动目标检测处理设备，其特征在于，包括：图形处理器，其中，所述图形处理器包括：获取单元、存储单元和处理单元，所述获取单元和所述处理单元分别与所述存储单元连接；
所述获取单元用于获取待检测图像，将所述待检测图像发送到所述存储单元；
所述存储单元用于接收所述待检测图像发送的待检测图像，所述存储单元还用于存储接收到的所述待检测图像；
所述处理单元用于采用n个并行线程分别执行n组运动目标检测流程，其中，每组运动目标检测流程包括t个运动目标检测流程，t、n为大于1的整数，所述处理单元还用于输出所述n个并行线程的执行结果，得到检测出的运动目标。
CN201410619269.8A 2014-11-06 2014-11-06 一种应用于直录播系统中的运动目标检测处理方法及设备 Pending CN104376578A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410619269.8A CN104376578A (zh) 2014-11-06 2014-11-06 一种应用于直录播系统中的运动目标检测处理方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410619269.8A CN104376578A (zh) 2014-11-06 2014-11-06 一种应用于直录播系统中的运动目标检测处理方法及设备

Publications (1)

Publication Number Publication Date
CN104376578A true CN104376578A (zh) 2015-02-25

Family

ID=52555468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410619269.8A Pending CN104376578A (zh) 2014-11-06 2014-11-06 一种应用于直录播系统中的运动目标检测处理方法及设备

Country Status (1)

Country Link
CN (1) CN104376578A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933731A (zh) * 2015-04-17 2015-09-23 阔地教育科技有限公司 一种基于图形处理器的运动目标检测方法及装置
CN107992366A (zh) * 2017-12-26 2018-05-04 网易（杭州）网络有限公司 对多个目标对象进行检测和跟踪的方法、系统和电子设备
CN108289177A (zh) * 2018-02-13 2018-07-17 北京旷视科技有限公司 信息交互方法、装置及系统
CN111885770A (zh) * 2020-07-02 2020-11-03 普瑞达建设有限公司 一种城市led路灯远程智能控制系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882311A (zh) * 2010-06-08 2010-11-10 中国科学院自动化研究所 基于cuda技术的背景建模加速方法
CN103020990A (zh) * 2012-12-06 2013-04-03 华中科技大学 一种基于gpu的运动目标检测方法
CN103997609A (zh) * 2014-06-12 2014-08-20 四川川大智胜软件股份有限公司 基于cuda的多视频实时全景融合拼接方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882311A (zh) * 2010-06-08 2010-11-10 中国科学院自动化研究所 基于cuda技术的背景建模加速方法
CN103020990A (zh) * 2012-12-06 2013-04-03 华中科技大学 一种基于gpu的运动目标检测方法
CN103997609A (zh) * 2014-06-12 2014-08-20 四川川大智胜软件股份有限公司 基于cuda的多视频实时全景融合拼接方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933731A (zh) * 2015-04-17 2015-09-23 阔地教育科技有限公司 一种基于图形处理器的运动目标检测方法及装置
CN107992366A (zh) * 2017-12-26 2018-05-04 网易（杭州）网络有限公司 对多个目标对象进行检测和跟踪的方法、系统和电子设备
CN108289177A (zh) * 2018-02-13 2018-07-17 北京旷视科技有限公司 信息交互方法、装置及系统
CN108289177B (zh) * 2018-02-13 2020-10-16 北京旷视科技有限公司 信息交互方法、装置及系统
CN111885770A (zh) * 2020-07-02 2020-11-03 普瑞达建设有限公司 一种城市led路灯远程智能控制系统

Similar Documents

Publication Publication Date Title
EP4421749A3 (en) Data processing method, apparatus, system and storage media
CN109074497B (zh) 使用深度信息识别视频图像序列中的活动
US20150131728A1 (en) Method for motion vector estimation
CN104376578A (zh) 一种应用于直录播系统中的运动目标检测处理方法及设备
CN113689460B (zh) 视频目标对象跟踪检测方法、装置、设备及存储介质
CN102821228B (zh) 低秩的视频背景重构方法
CN110503627B (zh) 建筑物裂缝检测方法、装置、存储介质及计算机设备
CN109478329A (zh) 图像处理方法和装置
MY192394A (en) Image processing method and device
Jassim Semi-optimal edge detector based on simple standard deviation with adjusted thresholding
CN104156725A (zh) 一种新的基于笔画段间角度的汉字笔画组合方法
Oberhofer et al. Natural feature tracking in javascript
CN104376538A (zh) 一种图像的稀疏去噪方法
Tian et al. A fractional-order Laplacian operator for image edge detection
Zhao et al. Research on Road Defect Detection Based on Deep Learning.
CN103729850B (zh) 一种在全景图中提取直线的方法
CN108875547B (zh) 一种面向资源受限环境的目标跟踪方法及装置
CN112132135A (zh) 一种基于图像处理的电网传输线检测方法、存储介质
CN115439375B (zh) 图像去模糊模型的训练方法和装置以及应用方法和装置
Liu et al. A Lightweight YOLO Object Detection Algorithm Based on Bidirectional Multi‐Scale Feature Enhancement
CN104933731A (zh) 一种基于图形处理器的运动目标检测方法及装置
Soh et al. A hybrid approach to parallel connected component labeling using CUDA
Wilk et al. Sub-pixel point detection algorithm for point tracking with low-power wearable camera systems: A simplified linear interpolation
CN104182990B (zh) 一种实时序列图像运动目标区域获取方法
WO2015009294A3 (en) System and method for histogram computation using a graphics processing unit

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Suzhou City, Jiangsu province 215121 Suzhou Industrial Park Road No. 8 only Weiting Technology Venture Building 7 floor

Applicant after: Kuo Di education and science company limited

Address before: Suzhou City, Jiangsu province 215121 Suzhou Industrial Park Road No. 8 only Weiting Technology Venture Building 7 floor

Applicant before: Suzhou Kuodi Network Technology Co., Ltd.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: SUZHOU KUODI NETWORK TECHNOLOGY CO., LTD. TO: CODYY EDUCATION TECHNOLOGY CO., LTD.

RJ01 Rejection of invention patent application after publication

Application publication date: 20150225

RJ01 Rejection of invention patent application after publication