目标跟踪算法的并行优化

计算机工程与科学

目标跟踪算法的并行优化

陈伟1,祝恩1,刘天航1,殷建平1,邱明辉2

（1.国防科学技术大学计算机学院，湖南长沙 410073;2.解放军总医院医学信息情报所,北京 100039）

收稿日期:2016-07-10 修回日期:2016-09-09 出版日期:2016-11-25 发布日期:2016-11-25
基金资助:
国家自然科学基金（61170287,61232016）

Parallel optimization of target tracking algorithms

CHEN Wei1，ZHU En1，LIU Tianhang1，YIN Jianping1，QIU Minghui2

（1.College of Computer,National University of Defense Technology,Changsha 410073;

2.Medical Informatics Institute of Chinese PLA General Hospital,Beijing 100039,China）

Received:2016-07-10 Revised:2016-09-09 Online:2016-11-25 Published:2016-11-25

摘要/Abstract

摘要：

目标跟踪是计算机视觉领域一个重要的研究方向，近年来学者提出了众多优秀的目标跟踪算法，但许多算法的低实时性制约了其在应用场景中的有效性。针对这些算法，提出了一个通用的跟踪模型，并针对此模型提出了一个可行的并行优化方案。之后使用SCM算法验证了所提出的并行优化方案。在四核CPU的环境下，并行后的SCM算法相比于未并行的算法取得了348倍的并行加速比，并且比原算法Matlab+C程序的运行速度快了约30倍,这说明了所提出的并行优化方案的有效性。

关键词: 目标跟踪, 跟踪模型, 并行优化

Abstract:

Object tracking is an important research area in computer vision. Researchers have proposed a number of excellent object tracking algorithms in recent years. However, the poor realtime performance of these algorithms restricts its effectiveness in application scenarios. Based on these algorithms, we design a general tracking model and propose a feasible parallel optimization scheme for the model. We also use the sparsitybased collaborative model (SCM) algorithm to validate the proposed scheme. In a fourcore CPU environment, the parallel algorithm achieves a speedup of 3.48 times compared with the sequential algorithm, and it is about 30 times faster than the MATLAB+C program of the original algorithms, thus verifying the effectiveness of the proposed parallel optimization scheme.

Key words: object tracking, tracking model, parallel optimization

陈伟1,祝恩1,刘天航1,殷建平1,邱明辉2. 目标跟踪算法的并行优化[J]. 计算机工程与科学.

CHEN Wei1，ZHU En1，LIU Tianhang1，YIN Jianping1，QIU Minghui2. Parallel optimization of target tracking algorithms[J]. Computer Engineering & Science.

[1]	李豪. 一种基于孪生网络的目标轮廓跟踪方法[J]. 计算机工程与科学, 2024, 46(12): 2215-2226.
[2]	李波, 王健, 李佳瑜, 卢哲俊. 基于Gamma分布贝叶斯RCS估计的多目标跟踪算法[J]. 计算机工程与科学, 2024, 46(11): 2007-2016.
[3]	马玉民, 钱育蓉, 周伟航, 公维军, 帕力旦·吐尔逊. 基于孪生网络的目标跟踪算法综述[J]. 计算机工程与科学, 2023, 45(09): 1578-1592.
[4]	崔克彬, 崔叶微. 基于卷积和Transformer的断路器动触头跟踪方法研究[J]. 计算机工程与科学, 2023, 45(07): 1236-1244.
[5]	杨冬英, 贺江鹏 . 针对机动目标的改进型交互多模型跟踪算法研究[J]. 计算机工程与科学, 2022, 44(04): 686-691.
[6]	马现, 王勇献, 朱小谦, 屠厚旺, 李朋, 颜恺壮. 谱方法求解水声传播问题的优化与并行[J]. 计算机工程与科学, 2022, 44(03): 381-389.
[7]	冯琪堯, 张惊雷, . 基于混合注意力机制的目标跟踪算法[J]. 计算机工程与科学, 2022, 44(02): 276-282.
[8]	方梦华, 姜添, . 基于无监督学习的无人机目标跟踪[J]. 计算机工程与科学, 2021, 43(06): 1024-1031.
[9]	陈云, 王梦园, 柴晓楠, 商建东, . 面向FT-M7002的高斯滤波算法优化实现[J]. 计算机工程与科学, 2021, 43(05): 799-806.
[10]	张晓丽, 张龙信, 肖满生, 左国才. 快速多域卷积神经网络和光流法融合的目标跟踪[J]. 计算机工程与科学, 2020, 42(12): 2217-2222.
[11]	徐亮, 张江, 张晶, 杨亚琦. 基于VGG网络的鲁棒目标跟踪算法[J]. 计算机工程与科学, 2020, 42(08): 1406-1413.
[12]	李星辰，柳晓鸣，成晓男. 融合YOLO检测的多目标跟踪算法[J]. 计算机工程与科学, 2020, 42(04): 665-672.
[13]	黄云明1，张晶1,2，喻小惠1，陶涛3，龚力波4. 改进STC和SURF特征联合优化的目标跟踪算法[J]. 计算机工程与科学, 2019, 41(10): 1795-1802.
[14]	火元莲，曹鹏飞，董俊松，石明. 基于融合特征的多尺度快速相关滤波跟踪算法[J]. 计算机工程与科学, 2019, 41(03): 559-566.
[15]	张晶，王旭,范洪博. 自适应目标变化的时空上下文抗遮挡跟踪算法[J]. 计算机工程与科学, 2018, 40(09): 1653-1661.