基于GPU的视频流人群实时计数

　　为了解决人群遮挡严重、光照突变等恶劣环境下人群计数准确率低的问题，提出基于混合高斯模型（GMM）和尺度不变特征变换（SIFT）特征的人群数量统计分析新方法。首先，基于GMM提取运动人群，并采用灰度共生矩阵（ GLCM）和形态学方法去除背景中移动的小物体和较密集的噪声等非人群前景，针对GMM算法提出了一种效率较高的并行模型；接着，检测运动人群的SIFT特征点作为人群统计的基础，基于二值图像的特征提取大大减少了执行时间；最后，提出基于人群特征数和人群数量进行统计分析的新方法，选择不同等级的人群数量的数据集分别进行训练，统计得出平均单个特征点数，并对不同密度的行人进行计数实验。算法采用基于CPU多流处理器进行加速，并针对所提算法在统一计算设备架构（ CUDA）流上任务的有效调度的方法进行分析。实验结果显示，相比单流提速31.5%，相比CPU提速71.8%。