Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "śledzenie" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Track-Before-Detect Algorithm for Noise Objects
    Algorytmy śledzenia przed detekcją dla obiektów szumowych
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/158288.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    śledzenie
    estymacja
    przetwarzanie sygnałów
    przetwarzanie obrazów
    śledzenie przed detekcją
    tracking
    estimation
    signal processing
    image processing
    Track-Before-Detect
    Opis:
    Track-Before-Detect (TBD) systems are used for tracking of the object signal under a high noise conditions. Noise objects are special class of objects with a zero mean value so they can not be processed directly. Possibilities of object detection and tracking for modified tracking system by numerical examples (Monte Carlo approach) are proposed and tested in this paper. The moving window is used for selection of samples for the standard deviation calculation.
    Systemy śledzenia przed detekcją wykorzystują podejście akumulacyjne do estymacji trajektorii obiektów w warunkach małego SNR, także dla SNR<1. W artykule zaproponowano system śledzenia przed detekcją z wykorzystaniem algorytmu rekurencyjnego Spatio-Temporal TBD dla obiektów szumowych zakłóconych dodatkowym szumem. W przypadku gdy poziom szumów obiektu jest zbliżony a nawet mniejszy niż szumu tła detekcja obiektu i wyznaczenie trajektorii nie jest możliwa za pomocą innych metod niż śledzenie przed detekcją. System bazuje na analizie zmian odchylenia standardowego dla szumów gaussowskich poprzez wykorzystanie ruchomego okna analizy dla sygnału wejściowego. Bez zastosowania przekształcenia sygnału do przestrzeni odchyleń standardowych detekcja nie jest możliwa, ponieważ konwencjonalne rozwiązanie śledzenia przed detekcją uśrednia sygnał, który dla obiektu szumowego ma wartość średnią równą zero. W analizie numerycznej wykorzystano podejście Monte Carlo do oszacowania własności algorytmu dla różnych wartości współczynnika wygładzania, rozmiaru okna oraz stosunku szumów obiektu do szumu tła. Jako miarę jakości wykorzystano odległość między znanym położeniem środka obiektu z generatora a położeniem największej wartości estymowanej przez algorytm śledzenia przed detekcją. Jakość estymacji rośnie ze wzrostem rozmiaru obiektu oraz wartością współczynnika wygładzania Algorytm charakteryzuje się dużym stopniem możliwości zrównoleglenia przetwarzania.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 10, 10; 1183-1185
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of Track-Before-Detect Systems for GPGPU
    Optymalizacja systemów śledzenia przed detekcją dla GPGPU
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/154551.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    śledzenie ruchu
    równoległe przetwarzanie obrazów
    GPGPU
    śledzenie przed detekcją
    Tracking
    Parallel Image Processing
    estimation
    parallel image processing
    Track-Before-Detect
    Opis:
    A computation speed of Track-Before-Detect algorithm with GPGPU implementations are compared in the paper. The conventional and subpixel variants for different thread processing block sizes are compared. Decimation of the state space for reduction of the external memory accesses is assumed. The GPGPU code profiling technique by the source code synthesis is applied for finding of the best parameters and code variants for particular GPGPU.
    Systemy śledzenia oparte na schemacie śledzenia przed detekcją (TBD) umożliwiają śledzenia obiektów o niskim stosunku sygnału do szumu (SRN<1), co jest ważne dla zastosowań cywilnych i wojskowych. Konwencjonalne systemy śledzenia oparte na detekcji i śledzeniu nie są odpowiednie z uwagi na dużą ilość fałszywych lub utraconych detekcji. Najważniejszą wadą algorytmów TBD jest skala obliczeń, ponieważ wszystkie hipotezy (trajektorie) powinny być testowane, nawet jeśli nie ma obiektu w zasięgu. Proponowana metoda [8] oparta o decymację daje istotną (kilka razy) redukcję czasu przetwarzania na GPGPU. Programowalne karty graficzne (GPGPU) zawierają dużą ilość jednostek przetwarzania (procesorów strumieniowych) z bardzo małą, ale szybką pamięcią współdzieloną oraz dużą, ale bardzo wolną pamięcią globalną. Proponowana metoda [8] została w artykule przetestowana z wykorzystaniem algorytmu Spatio-Temporal TBD z dodatkowym profilowaniem kodu z wykorzystaniem platformy przetwarzania Nvidia CUDA. Kompilator CUDA jest dodatkowo używany do optymalizacji czasu przetwarzania z różnymi rozmiarami bloku przetwarzania. Przestrzeń stanów jest przetwarzana wewnętrznie z wykorzystaniem pamięci współdzielonej i przechowywana w pamięci globalnej po pewnej określonej liczbie kroków czasowych. Podejście z okienkowaniem jest używane do przetwarzania wejściowych danych pomiarowych 2D przechowywanych w pamięci globalnej.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 7, 7; 655-667
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Likelihood Functions Synthesis for Multitarget Multiple-Sensor Tracking Applications using GPGPU
    Synteza funkcji wiarygodności dla wielosensorowych systemów śledzenia wielu obiektów z wykorzystaniem GPGPU
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/154548.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    śledzenie ruchu
    funkcje wiarygodności
    GPGPU
    estimation
    tracking
    likelihood functions
    Opis:
    One-dimensional interpolation of the bearing function profile using small look-up-table as an alternative for run-time computation using direct formula is proposed in the paper. Computation of profile values is not necessary for large distances because a Gaussian profile is assumed so distance values are zeros. GPGPU are feasible for processing in parallel and are used in tests. The best results are obtained for conditional approach with distance test and look-up table of function profile.
    Podejście bayesowskie jest często stosowane w celu uzyskania wysokiej jakości śledzenia i detekcji obiektów. Pomiarowa funkcja wiarygodności służy do wyspecyfikowania własności czujnika pomiarowego. Funkcje wiarygodności czujników (np. radarowych, wizyjnych) są określone wzorami matematycznymi [5] lub tabelami wartości. Wiele funkcji wiarygodności może zostać połączonych razem (5) w celu fuzji danych z wielu czujników. Funkcje wiarygodności można łatwo łączyć w przypadku dyskretnej przestrzeni pomiarowej 2D. Funkcja te jest zależna od odległości między czujnikiem a określoną komórką tej przestrzeni. Realizacja wszystkich możliwych kombinacji z wykorzystaniem tabeli wartości jest nieefektywna. Wyznaczenie funkcji wiarygodności w czasie rzeczywistym dla najbardziej typowej funkcji stosowanej w czujnikach wizyjnych jest możliwe za pomocą wzoru (6) lub uproszczonej postaci (7). W artykule zaproponowano interpolację jednowymiarową profilu funkcji z wykorzystaniem tabeli wartości i porównano z realizacją bezpośrednią (6). Ponadto wyznaczenie wartości profilu można uprościć dla dużej odległości między czujnikiem a określoną komórką. Do implementacji wykorzystano programowalny procesor graficzny (GPGPU), a w celu dalszej optymalizacji wykorzystano fakt, że nie jest konieczna synteza dla wszystkich komórek przestrzeni stanu.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 7, 7; 662-664
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatic estimation of the brightness changes for background suppression methods used for video tracking of vehicles
    Autorzy:
    Okarma, K.
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/393475.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    analiza obrazów
    video śledzenie
    automatyczna estymacja
    image analysis
    video tracking
    automatic estimation
    Opis:
    One of the typical distortions in the background estimation methods is a change of lighting conditions, since each such change influences on the luminance of pixels in the captured images, which may be classified as the background. The global changes are relatively easy to compensate, but in practical applications the character of most of such changes is rather local. These changes may be caused e.g. by clouds, moving large objects, street lamps etc. Nevertheless, their influence on the results of the background estimation should be reduced therefore a local adaptive correction algorithm, applied as the pre-processing step, is proposed in the paper, assuming known geometrical configuration of the observed road
    Źródło:
    Archives of Transport System Telematics; 2012, 5, 4; 17-20
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of Track-Before-Detect Systems with Decimation for GPGPU
    Optymalizacja systemów śledzenia przed detekcją z decymacją dla GPGPU
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/153570.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    śledzenie ruchu
    równoległe przetwarzanie obrazów
    GPGPU
    estimation
    tracking
    Track-Before-Detect
    Opis:
    Tracking systems based on Track-Before-Detect (TBD) scheme support tracking of low-SNR objects even if object signal is hidden in a noise. In this paper proposed method [1] is tested using Spatio-Temporal TBD algorithm with an additional code profiling using Nvidia CUDA computational platform. Different implementations are possible and the best solution for downsampled approach is based on the separate, register based state-space (without Shared Memory) and texture cache for input measurements.
    Algorytmy śledzenia przed detekcją umożliwiają śledzenie obiektów w warunkach niskiej wartości SNR (Signal-to-Noise Ratio) jednak są one bardzo złożone obliczeniowo. Wykorzystując GPGPU (programowalny procesor graficzny) możliwa jest implementacja czasu rzeczywistego. Dla zaproponowanego w [1] rozwiązania optymalizacji implementacji algorytmu z decymacją sygnału wyjściowego możliwe jest kilkukrotne skrócenie czasu obliczeń. W artykule przedstawiono i porównano dalsze możliwe rozwiązania optymalizacji z wykorzystaniem platformy programowej Nvidia CUDA dla rekurencyjnego algorytmu Spatio-Temporal Track-Before-Detect. Przestrzeń stanów może być decymowana w celu lepszego wykorzystania szybkiej pamięci współdzielonej dostępnej w GPGPU, podczas gdy dane wejściowe oraz wyjściowe przechowywane są w wolnej pamięci globalnej. Wykorzystując testy numeryczne z wykorzystaniem opracowanego oprogramowania do profilowania kodu źródłowego stwierdzono, że najbardziej wydajnym rozwiązaniem spośród analizowanych jest implementacja z oddzielnymi kernelami przetwarzania dla poszczególnych wektorów ruchu, wykorzystania rejestrów do przechowywania danych przestrzeni stanów w miejsce pamięci współdzielonej oraz pamięci texture cache do buforowania danych wejściowych. W przypadku niewykorzystywania metody decymacji optymalnym jest wykorzystanie oddzielnych kerneli, rejestrów dla przestrzeni stanów i bezpośredniego dostępu do pamięci globalnej dla danych wejściowych.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1523-1525
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    GPGPU-based implementation of chi-square spatio-temporal track-before-detect algorithm
    Implementacja algorytmu chi-kwadrat przestrzenno-czasowego śledzenia przed detekcją z wykorzystaniem GPGPU
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/156585.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    śledzenie przed detekcją
    sygnały szumowe
    GPGPU
    estimation
    Track-Before-Detect
    noise signal
    Opis:
    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
    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.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 7, 7; 590-592
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Small Targets Subpixel Position Estimation using GPU
    Estymacja położenia obiektów o bardzo małych rozmiarach z rozdzielczością subpikselową z wykorzystaniem GPU
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/154007.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    śledzenie ruchu
    detekcja
    równoległe przetwarzanie obrazów
    estimation
    motion tracking
    detection
    parallel image processing
    Opis:
    Position estimation of small targets occurs in numerous applications and for pixel-size targets subpixel resolution can be obtained using advanced image processing algorithms. Subpixel estimation using Center-of-Gravity (Center-of-Mass) give ability of position estimation with magnitude higher resolution in comparison to the conventional, maxima based search method. Application of COG algorithm [3] needs prior detection of targets using morphological filters. In this article is assumed 3x3 window and up to 2x2 pixels excitation by target. Proposed detection method and COG estimation can be processed in parallel what is important for CPU and GPU (Graphics Processing Unit) implementations due to single-pass image processing. Different implementations are compared (full processing of both algorithms; COG calculation driven by detection; full and prefilled results data storage; two implementations of divide operations in COG) for 1024x1024 input images. For GPU implementation CUDA (Compute Unified Device Architecture) is used.
    Konieczność detekcji położenia obiektów o małym rozmiarze, rzędu rozmiaru piksela występuje w wielu praktycznych zastosowaniach cyfrowego przetwarzania obrazów. Dla obiektów o tych rozmiarach występują pobudzenia zwykle większej liczby pikseli, co pozwala na estymację położenia z rozdzielczością subpikselową (podpikselową). Możliwe jest wyznaczanie położenia obiektu w takim przypadku z precyzją kilka, kilkanaście razy większą niż w przypadku estymacji opartej na poszukiwaniu położenia maksymalnej wartości sygnału. W tym celu konieczne jest zastosowanie algorytmu estymacji, takiego jak algorytm środka ciężkości wyliczającego estymaty wokół maksymalnej wartości wykrytej za pomocą filtru morfologicznego. Dla obiektów o rozmiarze rzędu piksela (na przetworniku) pobudzenie dotyczy od jednego do czterech pikseli, jednak konieczne jest uwzględnienie niezbędnej separacji pomiędzy potencjalnymi sąsiednimi obiektami. Jeśli nie występuje nałożenie lub stykanie się obiektów, to za pomocą zaproponowanego detektora morfologicznego dla obrazów w odcieniach szarości możliwe jest wykrycie obiektu. Do precyzyjnego wyznaczania położenia wykorzystano zoptymalizowany algorytm środka ciężkości, w którym zmieniono sposób indeksacji wartości pikseli, tak by zmniejszyć ilość operacji arytmetycznych, zarówno mnożeń jak i dodawań. Ponieważ istotna jest efektywna obliczeniowo realizacja algorytmu porównano dwie zasadnicze implementacje w oparciu o CPU i GPU (Graphical Processing Unit). Kluczowym zagadnieniem jest minimalizacja ilości przesyłanych danych w obu implementacjach, między jednostką przetwarzającą a pamięcią przechowującą obraz wejściowy i wyniki (położenia obiektów). Rozwiązanie bazujące na zoptymalizowanym algorytmie detekcji i estymacji położenia pozwala na jednoprzebiegowe przetwarzanie obrazu, bez konieczności magazynowania wyników pośrednich w stosunkowo wolnej pamięci. Zbadano i porównano różne warianty implementacji, wykorzystujące pełne przetwarzanie wszystkich danych za pomocą obu algorytmów, warunkowe przetwarzanie algorytmu środka ciężkości sterowane detekcją, wstępne wypełnianie pamięci wyników oraz dwa warianty implementacji operacji dzielenia wymaganej przez algorytm środka ciężkości. Uzyskane wyniki pokazują, że implementacja z wykorzystaniem GPU była co najmniej o rząd wielkości szybsza w stosunku do CPU. W badaniach wykorzystano pojedynczy rdzeń CPU Q6600 oraz GPU G80 (Geforce 8800 GTS). Zaproponowane rozwiązania pozwalają na implementację w czasie rzeczywistym, gwarantując maksymalny czas przetwarzania. Dla implementacji z warunkowym przetwarzaniem i wstępnym wypełnianiem pamięci wyników uzyskano statystyczne skrócenie czasu przetwarzania. Oba rozwiązania dzielenia dla GPU były tak samo efektywne, ponieważ zasadniczym ograniczeniem systemu jest przepustowość pamięci. Dla obrazów o rozmiarze 1024x1024 pikseli uzyskano przetwarzanie z szybkością ponad 400 klatek na sekundę, a w wariantach bardziej zoptymalizowanych ponad 800 klatek na sekundę, co pozwala to na wykorzystanie GPU także do innych celów, przy systemach pracujących z mniejszą liczbą klatek na sekundę. Abstract: Position estimation of small targets occurs in numerous applications and for pixel-size targets subpixel resolution can be obtained using advanced image processing algorithms. Subpixel estimation using Center-of-Gravity (Center-of-Mass) give ability of position estimation with magnitude higher resolution in comparison to the conventional, maxima based search method. Application of COG algorithm [3] needs prior detection of targets using morphological filters. In this article is assumed 3x3 window and up to 2x2 pixels excitation by target. Proposed detection method and COG estimation can be processed in parallel what is important for CPU and GPU (Graphics Processing Unit) implementations due to single-pass image processing. Different implementations are compared (full processing of both algorithms; COG calculation driven by detection; full and prefilled results data storage; two implementations of divide operations in COG) for 1024x1024 input images. For GPU implementation
    Źródło:
    Pomiary Automatyka Kontrola; 2009, R. 55, nr 8, 8; 651-653
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Utilisation of the light polarization to increase the working range of the video vehicle tracking systems
    Autorzy:
    Mazurek, P.
    Okarma, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/393768.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    polaryzacja światła
    śledzenie pojazdów
    inteligentny system transportowy
    light polarisation
    vehicle tracking
    intelligent transport system (ITS)
    Opis:
    Most of the vehicles, which can be observed by the cameras used in the Intelligent Transport Systems, are coated with reflective layers which, like car windows, are characterized by the effect of light polarisation. Utilising this effect by using a camera designed for the Intelligent Transportation System along with the linear polarizer it is possible to improve the extraction of the vehicles from the surrounding. The article presents the methods of using the polarised light for increasing the operating range of the video systems along with an illustration of the possibilities and limitations of this technique. Some experimental results obtained by the fusion of data recorded for the standard video sequences and the use of linear polarisers are also presented.
    Źródło:
    Archives of Transport System Telematics; 2011, 4, 3; 9-13
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of Spatio-Temporal Track-Before-Detect Algorithm using GPU
    Implementacja przestrzenno-czasowego algorytmu śledzenia przed detekcją z wykorzystaniem GPU
    Autorzy:
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/154011.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    śledzenie przed detekcją
    cyfrowe przetwarzanie obrazów
    przetwarzanie równoległe obrazów
    estimation
    Track-Before-Detect
    digital image processing
    parallel image processing
    Opis:
    Track-Before-Detect (TBD) Algorithms are especially suitable for tracking low-observable targets. For low signal-to-noise ratio (SNR <1) cases tracking of such target is possible using TBD approach. Using accumulative approach and more than single measurements a noise level can be reduced in algorithm way, and gives SNR value enhancement. Due to the target's dynamic the possible motion vectors should be considered. In this article in parallel processing approach based on GPU (Graphics Processing Unit) and CUDA (a software platform for GPU programming) is discussed. GPU gives ability of using high number of stream processors and high clocking frequency for parallel algorithms. Because TBD algorithms have abilities of processing in parallel way they are well suited for GPU implementations and real-time processing. Using sparse characteristic of Markov's matrix the Spatio-Temporal TBD algorithm is considered and different implementations schemes (texture, global memory, global with shared memory) for state space access are compared and real-time processing for typical image sizes are obtained.
    Algorytmy śledzenia przed detekcją (TBD - Track-Before-Detect) umożliwiają realizacje systemów estymacji parametrów kinematycznych obiektów także przy warunku SNR<1 (Signal-to-Noise Ratio), co pozwala na śledzenie obiektów, których sygnał jest poniżej wartości szumów. Wykorzystując podejście akumulacyjne oraz więcej niż jeden pomiar możliwe jest zmniejszenie poziomu szumów, a przez to zwiększenie wartości SNR. Z uwagi na dynamikę obiektu konieczne jest uwzględnienie możliwych wektorów ruchu obiektu. Wymagania te powodują, że algorytmy te mają olbrzymi koszt obliczeniowy niezależny od ilości śledzonych obiektów. W artykule zaproponowano rozwiązanie przetwarzania równoległego w czasie rzeczywistym dla obrazów, z wykorzystaniem GPU (Graphical Processing Unit) i platformy programowej CUDA. Zaletą wykorzystania GPU jest możliwość użycia bardzo dużej liczby procesorów strumieniowych, charakteryzujących się prostą budową i wysoką częstotliwością taktowania, co pozwala na efektywną czasowo realizację algorytmów przetwarzania równoległego. Ponieważ algorytmy śledzenia przed detekcją mają cechy predysponujące je do przetwarzania równoległego, więc wykorzystanie GPU jest rozwiązaniem pozwalającym na przetwarzanie w czasie rzeczywistym. W artykule rozpatrywane jest zastosowanie algorytmu rekurencyjnego: przestrzenno-czasowego śledzenia przed detekcją, ze szczególnym uwzględnieniem możliwości redukcji ilości obliczeń dla rzadkich macierzy Markowa. Porównano różne warianty implementacji dla dostępu do wielowymiarowej przestrzeni stanów, która jest przechowywana w pamięci karty graficznej. Dane wejściowe także przechowywane są w pamięci karty graficznej, a dostęp realizowany za pomocą odczytu tekstury, co pozwala na realizację także ułamkowych wektorów ruchu, dzięki wbudowanej interpolacji dwuliniowej. Przestrzeń stanów jest czterowymiarowa i dostęp do niej obciąża znacząco magistralę pamięci. Przetestowano warianty: odczytu z wykorzystaniem tekstur oraz zwykłego dostępu do pamięci, oraz zapisu bezpośredniego i z synchronizowanym buforowaniem w pamięci współdzielonej, uzyskując zbliżone wyniki czasu przetwarzania. Ponieważ w architekturze CUDA nie jest możliwy zapis do tekstury, dlatego konieczne jest dodatkowe kopiowanie wyników przestrzeni stanów do obszaru tekstury, co jednak nie powoduje znaczącego obciążenia w systemie. Wykazano, że możliwa jest realizacja systemów śledzenie przed detekcją z wykorzystaniem GPU pracującym w czasie rzeczywistym. Dla obrazów o rozmiarze 256x256 pikseli osiągnięto ponad 200 klatek na sekundę przy 13 wektorach ruchu, a dla 1024x1024 osiągnięto 15 klatek na sekundę, przy wykorzystaniu procesora G80 (GeForce 8800 GTS).
    Źródło:
    Pomiary Automatyka Kontrola; 2009, R. 55, nr 8, 8; 657-659
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies