GPGPU-based implementation of chi-square spatio-temporal track-before-detect algorithm

• Autorzy: Mazurek P.

Warianty tytułu

PL

Implementacja algorytmu chi-kwadrat przestrzenno-czasowego śledzenia przed detekcją z wykorzystaniem GPGPU

• Języki publikacji: EN

Abstrakty

EN

The implementation of the chi-square preprocessing algorithm for further track-before-detect (TBD) algorithm processing is considered in this paper. It allows real-time processing of noise objects that are disturbed by the other noise. The pipeline processing is proposed for optimization of local chi-square value computation using vertical movement of windows. The performance of CUDA based implementation for 2D tracking scenarios is shown for TBD and chi-square processing kernels

PL

W artykule przedstawiono implementację algorytmu śledzenia przed detekcją na GPGPU z wykorzystaniem technologii CUDA. Śledzenie obiektów będących szumem na pomiar których oddziałuje szum tła wymaga zastosowania specjalnego algorytmu. W artykule przedstawiono implementację bazującą na wykorzystaniu porównania modelu dyskretnego rozkładu prawdopodobieństwa dla całej obserwacji i lokalnej. Dyskretny rozkład prawdopodobieństwa jest wyznaczany dla całego obrazu. Lokalne rozkłady prawdopodobieństwa są porównywane z wykorzystaniem statystyki chi-kwadrat, która opisuje stopień podobieństwa rozkładów (3). W celu detekcji sygnału obiektu wykorzystano algorytm śledzenia przed detekcją (1), wyliczający wartości chi-kwadrat. Jest to niezbędne dla systemu, w którym okno analizy jest małe z uwagi na mały spodziewany rozmiar obiektu. Implementacja wykorzystuje przetwarzania potokowe dla ruchomych okien, dla których wartości chi-kwadrat są wyznaczane niezależnie. Dane wejściowe znajdują się w pamięci globalnej i są odczytywane poprzez pamięć cache jednostki tekstur, co pozwala na redukcję liczby cykli pamięci. Przetwarzane okna przesuwają się z góry do dołu, co powala na osiągnięcie prawie synchronicznych odczytów i zapisów pamięci, w celu maksymalizacji wydajności. Rozkłady prawdopodobieństwa przetwarzane są w potoku z buforem przynależnym każdemu z wątków. Oszacowano wydajności czasu rzeczywistego dla karty z procesorem G82 dla algorytmów TBD (rys. 6) i chi-kwadrat (rys. 7) dla śledzenia 2D.

Słowa kluczowe

EN

estimation; track before detect; noise signal; GPGPU

PL

estymacja; śledzenie przed detekcją; sygnały szumowe; GPGPU

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2012
• Tom: R. 58, nr 7
• Strony: 590--592
• Opis fizyczny: Bibliogr. 11 poz., rys., wykr., wzory

Twórcy

autor

Mazurek P.

• Zachodniopomorski Uniwesytet Technologiczny w Szczecinie, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej, 26 kwietnia 10, 71-126 Szczecin,

Bibliografia

• [1] Stone L. D., Barlow C. A., Corwin T. L.: Bayesian Multiple Target Tracking. Artech House, 1999.
• [2] Blackman S., Popoli R.: Design and Analysis of Modern Tracking Systems, Artech House, 1999.
• [3] Mazurek P.: Hierarchical Track–Before–Detect Algorithm for Tracking of Amplitude Modulated Signals, Advances in Intelligent and Soft Computing, vol. 102 - Image Processing and Communications Challenges 3, Springer Verlag, 511-518, 2011.
• [4] Mazurek P.: Track-Before-Detect Algorithm for Noise Objects, Measurement Automation and Monitoring, vol. 56, no. 10, 1183-1185, 2010.
• [5] Mazurek P.: Chi-square Statistic for Noise Objects Tracking in Track-Before-Detect Systems, Poznań University of Technology Academic Journals - Electrical Engineering, 71, 177-184, 2012.
• [6] Aczel A. D.: Complete Business Statistics, Irwin, 1993.
• [7] NVIDIA CUDA C Programming Guide v.4.0, NVidia, 2011.
• [8] NVIDIA CUDA, CUDA C Best Practices Guide v.4.0, NVidia, 2011.
• [9] Mazurek P.: Direct visualization methods for Track–Before–Detect algorithms. Poznan University of Technology Academic Journals - Electrical Engineering. no. 59, 25-34, 2009.
• [10] Mazurek P.: Optimization of bayesian Track–Before-Detect algorithms for GPGPUs implementations. Electrical Review R. 86, no. 7/2010 187-189, 2010.
• [11] Herout A., Josth R., Zemcik P., Hradis M.: GP-GPU Implementation of the “Local Rank Differences” Image Feature, ICCVG 2008, LNCS 380-390, 2008.