Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-af45953e-acb8-4012-95b2-5a4bc3e1ca22

Czasopismo

Elektronika : konstrukcje, technologie, zastosowania

Tytuł artykułu

Performance evaluation of parallel background subtraction on GPU platforms

Autorzy Szwoch, G. 
Treść / Zawartość
Warianty tytułu
PL Badanie wydajności zrównoleglonego algorytmu odejmowania tła na platformach GPU
Języki publikacji EN
Abstrakty
EN Implementation of the background subtraction algorithm on parallel GPUs is presented. The algorithm processes video streams and extracts foreground pixels. The work focuses on optimizing parallel algorithm implementation by taking into account specific features of the GPU architecture, such as memory access, data transfers and work group organization. The algorithm is implemented in OpenCL and CUDA. Various optimizations of the algorithm are presented and tested using devices with varying processing power, including desktop PC graphic cards, ultrabooks and the Tegra mobile processor. The aim of the work is to determine if the optimized algorithm, run on currently available GPUs, is able to perform on-line processing of high resolution video streams.
PL W artykule przedstawiono implementację algorytmu odejmowania tła na procesorach równoległych GPU. Algorytm przetwarza strumienie obrazu z kamer i wyodrębnia piksele nie należące do tła. Praca skupia się na optymalizacji równoległego przetwarzania obrazu z uwzględnieniem architektury procesorów GPU. Algorytm został zaimplementowany w systemach OpenCL i CUDA. Przedstawiono różne techniki optymalizacji i wyniki testów wykonanych na procesorach GPU w urządzeniach o różnej mocy obliczeniowej. Celem pracy jest określenie czy zoptymalizowany algorytm uruchomiony na dostępnych obecnie urządzeniach GPU jest w stanie przetwarzać strumienie obrazu w trybie online.
Słowa kluczowe
PL odejmowanie tła   analiza obrazu   OpenCL   procesory GPU  
EN background subtraction   video analysis   OpenCL   GPU Computing  
Wydawca Wydawnictwo SIGMA-NOT
Czasopismo Elektronika : konstrukcje, technologie, zastosowania
Rocznik 2015
Tom Vol. 56, nr 4
Strony 23--27
Opis fizyczny Bibliogr. 19 poz., il., tab., wykr.
Twórcy
autor Szwoch, G.
  • Gdansk University of Technology, Multimedia Systems Department
Bibliografia
[1] Czyżewski A., Szwoch G., Dalka P., et al, Multi-stage video analysis framework, in: Video surveillance, W. Lin, Ed,. InTech, 2011, pp. 147-172.
[2] Stauffer C., Grimson W.E.L., Adaptive background mixture models for real-time tracking, Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1999, pp. 246-252.
[3] Zivkovic Z., Van der Heijden F., Efficient adaptive density estimation per image pixel for the task of background subtraction, Pattern Recognition Letters, 27, 2006, pp. 773-780.
[4] Szwoch G., Ellwart D., Czyzewski A., Parallel implementation of background subtraction algorithms for real-time video processing on a supercomputer platform, J. Real-Time Image Processing, DOI:10.1007/s11554-012-0310-5, 2007.
[5] Chapman B., Jost G., van der Paas R., Using OpenMP. Portable shared memory parallel programming, MIT Press, 2007.
[6] NVidia CUDA Toolkit Documentation, http://docs.nvidia.com/cuda/(retrieved 2015-03-16).
[7] Pham V., Vo P., Hung V.T., Bac L.H., GPU implementation of Extended Gaussian mixture model for Background subtraction, IEEE RIVF Int. Conf. Computing and Communication Technologies, Research, Innovation, and Vision for the Future (RIVF), DOI: 10.1109/RIVF.2010.5634007, 2010.
[8] Khronos Group, The OpenCL specification, Version 1.1, Rev. 44, 2011, https://www.khronos.org/registry/cl/ (retrieved 2015-03-16).
[9] Gaster B., Howes L., Kaeli D.R., et al, Heterogeneous Computing with OpenCL, Morgan Kaufmann, 2011.
[10] NVidia Corporation, OpenCL Best Practices Guide, 2011, http://hpc.oit.uci.edu/nvidia-doc/sdk-cuda-doc/(retrieved 2015-03-16).
[11] Frisk N., Using OpenCL for Image Analysis, Master of Science Thesis, KTH Computer Science and Communication, Stockholm, 2010.
[12] Jocic M., Obradovic D., Konjovic Z., Tertei D., OpenCL implementation of color based object tracking, ICIST, Information Society Research and Application, 2013.
[13] Munschi A., Gaster B.R., Mattson T.G., et al, Optical flow, in OpenCL Programming Guide, Addison-Wesley, 2011, pp. 469-485.
[14] Ocl. OpenCL-accelerated Computer Vision, http://docs.opencv.org/modules/ocl/doc/ocl.html (retrieved 2015-03-16).
[15] NVIDIA Tegra X1, http://www.nvidia.com/object/tegra-x1-processor. html (retrieved 2015-03-16).
[16] Dale J., Accelerated Image Processing: 24-bit RGB images in CUDA, http://visionexperts.blogspot.com/2009/12/24-bit-rgbin-cuda.html (retrieved 2015-03-16).
[17] Szwoch G., Parallel Background Subtraction in Video Streams Using OpenCL on GPU Platforms, SPA 2014 Signal processing Algorithms, Architectures, Arrangements and Applications, Poznań, 2014, pp. 54-59.
[18] AMD Accelerated Parallel Processing OpenCL Programming Guide (rev 2.7), http://developer.amd.com (retrieved 2015-03-26).
[19] NVIDIA Jetson TK1 Embedded Development Kit, http://www.nvidia.com/object/jetson-tk1-embedded-dev-kit.html (retrieved 2015-03-16).
Uwagi
EN This work has been funded by the Artemis JU as part of the COPCAMS project under GA number 332913.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-af45953e-acb8-4012-95b2-5a4bc3e1ca22
Identyfikatory
DOI 10.15199/13.2015.4.4