CUDA并行加速的稀疏PCNN运动目标检测算法

摘要：

为准确检测低速径向运动的小运动目标,降低系统的噪声,提高系统的实时性,提出一种基于Nvidia通用并行计算架构(CUDA)的稀疏脉冲耦合神经网络运动目标检测的并行算法.根据图形处理单元(GPU)的并行结构和硬件特点,将改进帧差法得到二值图像的过程,以及差分二值图像映射到稀疏脉冲耦合神经网络模型的过程均放GPU上执行,提高算法的计算效率;选择利用纹理存储和共享存储方式,提高数据的访问效率,降低算法的复杂度.实验结果表明,该算法对运动目标检测的准确性和实时性优于其它方法.

关键词：通用并行计算架构、稀疏脉冲耦合神经网络、改进帧差法、运动目标检测

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3300-3305,3315