GPU detektor objektů ve videu

Detekce objektů v reálném čase je nedílnou součástí mnoha komplexních algoritmů používaných v dohledových systémech, monitorování dopravy, autonomních vozidlech a dalších oblastech. Zároveň je detekce objektů jednou z nejvíce výpočetně náročných částí těchto algoritmů. Obzvláště detekce objektů v reálném čase z video proudů ve vysokých rozlišeních, vysokých snímkovacích frekvencích nebo paralelní vyhodnocení výstupů z několika proudů bez zmenšování snímků nebo jejich zahazování je obtížně dosažitelná.

Software "GPU detektor objektů ve videu" umožňuje dosažení těchto cílů prostřednictvím paralelní GPU implementace, která obsahuje několik optimalizačních technik pro urychlení výkonnosti detekce objektů. Software umožňuje nalezení pozice vybraných tříd objektů (např. obličeje, chodci, auta, RZ) v jednotlivých snímcích videa/video proudu. Výstupem je textový soubor ve formátu CSV obsahující čísla snímků, pozice a rozměry nalezených objektů. Popis třídy objektů je reprezentován prostřednictvím natrénovaných klasifikátorů typu WaldBoost, které obsahují příznaky LPB/LRD/LRD/CSLBP.

Real-time object detection is a core part of various complex algorithms in surveillance systems, traffic monitoring, autonomous vehicles and many other fields. Object detection is one of most computationally demanded part of these algorithms. Especially real-time processing of high resolution, high refresh rate or multiple image-based streams without rescaling or frame dropping are hard to achieve.

Software "GPU object detector in video stream" is suitable to achieve these goals thanks to parallel GPU implementation of detection algorithm which includes several optimization techniques that improves performance of object detection. Output is represented as a text file in CSV format that consists of frame numbers, positions and sizes of detected objects. Description of object classes is represented as a pretrained WaldBoost classifiers which contains LBP/LRD/LRD/CSLBP patterns.