基于GPU并行超图匹配的视频活动识别
计算机视觉与模式识别
2015-05-05 v1
摘要
本文提出一种基于稀疏局部特征和超图匹配的视频活动识别方法。我们利用数据中时间域的特殊性质，推导出一种面向GPU的顺序快速图匹配算法。传统上，图和超图常用于计算机视觉中通过图匹配或基于图的点集匹配来识别复杂且常为非刚性的模式。大多数公式化方法致力于最小化一个困难的离散能量函数，该函数混合了几何或结构项与涉及外观特征的数据附着项。传统方法近似求解这个最小化问题，例如使用谱技术。本工作中，我们不近似求解，而是在GPU上并行计算最优分配的精确解。图结构被简化和正则化，从而允许推导出一种高效的递归最小化算法。该算法将子问题分布到GPU的计算单元上并行求解，使得系统在中端GPU上能比实时更快运行。
引用
@article{arxiv.1505.00581,
title = {Activity recognition from videos with parallel hypergraph matching on GPUs},
author = {Eric Lombardi and Christian Wolf and Oya Celiktutan and Bülent Sankur},
journal= {arXiv preprint arXiv:1505.00581},
year = {2015}
}