基于并行计算的多目标跟踪系统时间复杂度优化策略探索

长沙航空职业技术学院学报JOURNAL OF CHANGSHA AERONAUTICAL VOCATIONAL AND TECHNICAL COLLEGE 第17卷第3期

2017年9月V ol.17 No.3Sept. 2017-93-基于并行计算的多目标跟踪系统时间复杂度

优化策略探索

刘 杰，洪月华*

(广西经济管理干部学院计算机系，广西 南宁 530007)

摘要：为了降低多目标、多特征跟踪系统的时间复杂度，分析了跟踪系统运行的特性，引入了并行计算模型对跟踪系统的串行部分重新设计，提出了检测模块与跟踪模块的并行化策略，理论分析表明并行计算模型可在较大程度上降低多目标跟踪系统的时间复杂度。

关键词：多目标跟踪系统；并行计算

中图分类号：TP391.41 文献标识码：A 文章编号：1671-9654(2017)03-0093-03

Time Complexity Optimization of Multi-target Tracking System Based on Parallel

Computing Strategy

LIU Jie, HONG Yue-hua*

(Department of Computer Science, Guangxi Cadre University of Economics and Management, Nanning

Guangxi 530007)

Abstract: In order to reduce time complexity of the multi-target and multi-feature tracking system, the paper analyzed the characteristic of the tracking system, and redesigned the serial part of the tracking system based on parallel computing model, and in addition, it proposed the parallelization strategy of detection module and tracking module. Theoretical analysis shows that the parallel computation model can reduce the time complexity of multi-target tracking system to a great extent.

Key words: multi-target tracking system; parallel computing

收稿日期：2017-07-04

作者简介：刘杰(1982- )，男，广西扶绥人，工程师，工学硕士，研究方向为图像处理技术。

*洪月华(1973- )，女，广西贵港人，教授，工学硕士，研究方向为并行计算，人工智能。

基金项目：本文为2015年国家社会科学基金项目“大数据并行聚类关键技术研究”（编号:15XTQ010）、2015年广西高校科学技

术研究项目“人工智能算法在传感器网络中分布式挖掘应用研究”（编号:KY2015YB351）和2015年广西高校科学技术研究项目“多变场景下的特征融合目标跟踪算法的研究”（编号：KY2015LX566）阶段性研究成果。

DOI:10.13829/https://www.wendangku.net/doc/6c6557345.html,ki.issn.1671-9654.2017.03.028

多目标跟踪(MOT)是实时图像处理中的一个

热点问题，由于现实场景的复杂性，要求多目标

跟踪系统在设计上能够满足较高水平的实时性和

精确性，并具有一定的系统容错性。随着工业级

相机硬件水平的逐步提升，图像的数据容量与监

控视频场景尺寸也越来越大，使用目前先进的全

天候实景工业相机甚至能够达到30FPS 的高帧率，

按照这样的速度，在短短一分钟内大概产生2GB

左右的视频图片序列，这么大的数据量要求多目标跟踪系统不得不在算法上考虑实时性能，否则将会出现掉帧和丢帧的现象；其次，现实业务对被跟踪物体的描述提出更为精确的要求，如部分卡口场景要求MOT 不仅能够跟踪到车辆，还要识别到司机的人脸以进行身份校验，部分关键街道要求MOT 对行人实现有效跟踪的同时还要求能够识别行人的姿态以进行事故检测。为了达到对物体的精确跟踪，MOT 里的核心跟踪算法日趋复杂化，这导致了视频跟踪系统在实时性和精确性的

并行计算-练习题

2014年《并行计算系统》复习题 （15分）给出五种并行计算机体系结构的名称，并分别画出其典型结构。 ①并行向量处理机（PVP） ②对称多机系统（SMP） ③大规模并行处理机（MPP） ④分布式共享存储器多机系统（DSM） ⑤工作站机群（COW） （10分）给出五种典型的访存模型，并分别简要描述其特点。 ①均匀访存模型（UMA）： 物理存储器被所有处理机均匀共享 所有处理机访存时间相同 适于通用的或分时的应用程序类型 ②非均匀访存模型（NUMA）： 是所有处理机的本地存储器的集合 访问本地LM的访存时间较短 访问远程LM的访存时间较长 ③Cache一致性非均匀访存模型（CC-NUMA）： DSM结构 ④全局Cache访存模型（COMA）： 是NUMA的一种特例，是采用各处理机的Cache组成的全局地址空间 远程Cache的访问是由Cache目录支持的 ⑤非远程访存模型（NORMA）： 在分布式存储器多机系统中，如果所有存储器都是专用的，而且只能被本地存储机访问，则这种访问模型称为NORAM 绝大多数的NUMA支持NORAM 在DSM中，NORAM的特性被隐匿的 3. （15分）对于如下的静态互连网络，给出其网络直径、节点的度数、对剖宽度，说明该网络是否是一个对称网络。 网络直径：8 节点的度数：2 对剖宽度：2 该网络是一个对称网络 4. （15分）设一个计算任务，在一个处理机上执行需10个小时完成，其中可并行化的部分为9个小时，不可并行化的部分为1个小时。问： （1）该程序的串行比例因子是多少，并行比例因子是多少？ 串行比例因子：1/10

并行比例因子:9/10 如果有10个处理机并行执行该程序，可达到的加速比是多少？ 10/(9/10 + 1) = 5.263 （3）如果有20个处理机并行执行该程序，可达到的加速比是多少？ 10/(9/20 + 1)= 6.897 （15分）什么是并行计算系统的可扩放性？可放性包括哪些方面？可扩放性研究的目的是什么？ 一个计算机系统（硬件、软件、算法、程序等）被称为可扩放的，是指其性能随处理机数目的增加而按比例提高。例如，工作负载能力和加速比都可随处理机的数目的增加而增加。可扩放性包括: 1.机器规模的可扩放性 系统性能是如何随着处理机数目的增加而改善的 2.问题规模的可扩放性 系统的性能是如何随着数据规模和负载规模的增加而改善 3.技术的可扩放性 系统的性能上如何随着技术的改变而改善 可扩放性研究的目的: 确定解决某类问题时何种并行算法与何种并行体系结构的组合，可以有效的利用大量的处理器； 对于运用于某种并行机上的某种算法，根据在小规模处理机的运行性能预测移植到大规模处理机上的运行性能; 对固定问题规模，确定最优处理机数和可获得的最大的加速比 （15分）给出五个基本的并行计算模型，并说明其各自的优缺点。 ①PRAM：SIMD-SM 优点： 适于表示和分析并行计算的复杂性； 隐匿了并行计算机的大部底层细节（如通信、同步），从而易于使用。 缺点： 不适于MIMD计算机，存在存储器竞争和通信延迟问题。 ②APRAM:MIMD-SM 优点： 保存了PRAM的简单性； 可编程性和可调试性（correctness）好； 易于进行程序复杂性分析。 缺点： 不适于具有分布式存储器的MIMD计算机。 ③BSP：MIMD-DM 优点: 把计算和通信分割开来； 使用hashing自动进行存储器和通信管理； 提供了一个编程环境。 缺点： 显式的同步机制限制并行计算机数据的增加； 在一个Superstep中最多只能传递h各报文。

T-11-V5-多目标追踪微波车辆检测器技术方案

微波交通检测器应用方案——T-11 V5 多目标追踪雷达 江苏志德华通信息技术有限公司 编辑者：高志鹏

1．Tracteh T-11 V5多目标追踪微波车辆检测器简介 1．1功能概述 ●Tractech T-11 V5多目标追踪微波车辆检测器（以下简称T-11 V5），是利用二维主动扫描式阵列雷达 微波检测技术，对路面发射微波，以每秒20次的扫描频率可靠地检测路上每一车道的目标，准确区分机动力、非机动力、行人等，可同时识别及跟踪最多64个目标对象。 ●可同时测量每车道的流量、平均速度、占有率、85%位速率、车头时距、车间距等交通数据，以及排队 长度、逆行、超速、ETA等报警信息，并可准确地测量区域内每个目标的位置坐标（X,Y）与速度（Vx, Vy）。 ●能进行大区域检测，沿来车方向正常检测区域至少可达160米，能同时检测至少6个车道，其中中间的 4个车道每条车道可以有4个精确的检测点，4条车道就可以配置16个精确的检测点。每个检测点就是一条线，这条线与路交叉成90度夹角，也就是垂直于路的方向。这些垂直于路的方向的检测线，就可以作为雷达的检测点，可以非常精确检测车辆接近并经过这些检测点时的状态 ●自动检测交通流的运行方向，进行车辆逆行检测统计。 ●采用前向安装的方式，可方便地利用既有杆件：信号灯杆、电警杆横臂、任一标志标牌、路灯杆上，具 有安装维护方便，不破坏路面，不影响交通，技术先进，成本低等特点。 ●可在全天候环境下工作，外壳达到IP67防护标准，并具有自校准以及故障自诊断功能。 ●可视化的图形化操作界面能实时显示每个目标在检测区域内被跟踪情况以及车辆即时速度、车辆长度等 实时信息。 1．2应用场合 T-11 V5 是一款革命性的通用交通管理雷达，可以用在交通管理领域的很多方面： 公路和交通管理系统

平安校园---智能视频巡逻跟踪系统解决方案

平安校园---智能视频巡逻跟踪系统 解决方案 厦门博聪信息技术有限公司 2015年2月1日

目录 目录 (2) 第一章、项目概述 (3) 1.1.需求分析 (3) 2.2.实现目标 (3) 3.3.系统建设原则 (4) 第二章、方案设计 (5) 2.1平台总体架构 (5) 2.2系统简介 (5) 2.3在平安校园中的应用 (12) 2.4系统部署 (12) 第三章、设备清单 (20)

第一章、项目概述 1.1.需求分析 近几年以来一系列校园安全事件的发生，使得政府及社会各界对于平安校园安防系统的建设更为关注,传统的人力巡查已不能满足校园安全管理的需求,平安校园建设迫在眉睫。目前学校普遍存在着学生众多，校园周边的环境复杂等特点，就各中小学校来说，都有个共同特点：管理人员少，学生人数众多、生性好动、防范意识差。学校的操场、运动场、大门口、教学楼等公共场合都存在安全隐患: 1,操场存在意外事件的安全隐患,要求实现全覆盖、无死角，同时又要拍清楚细节，便于对意外事件的事后举证。 2,学校大门口,不法人员借上下学期间乘着混乱的情况从事犯罪活动的事件常有发生,要求对校门口有效监控，能看清场景及细节，出现异常情况实时作出应对，预防安全治安事件发生。 但普通的视频监控系统存在以下问题： 1,操场面积大，使用普通的枪机球机都很难实现全覆盖、无死角。即使覆盖了大部分场景，离监控点远的位置也拍不到细节。一旦发生意外事件，虽然监控设备有拍摄到，但看不清细节，对于事后举证毫无作用。 2,上下学期间学校大门口人员众多,使用普通的枪机或球机看得不全或看不清细节，无法真正实现对上下学期间大门口场所的有效监管。 可以看出，传统的视频监控方式不能很好的满足平安校园这些场所的监控需求，平安校园监控系统的建设不再是简单地增加普通监控设备，而是需要向着智能化、主动化监控方向发展。本方案所介绍的智能视频巡逻跟踪系统，即是针对上述监控难题而推出的有效解决方案，这是视频监控领域一次革命性的飞跃。 2.2.实现目标

浅析多目标优化问题

浅析多目标优化问题 【摘要】本文介绍了多目标优化问题的问题定义。通过对多目标优化算法、评估方法和测试用例的研究，分析了多目标优化问题所面临的挑战和困难。 【关键词】多目标优化问题；多目标优化算法；评估方法；测试用例 多目标优化问题MOPs （Multiobjective Optimization Problems）是工程实践和科学研究中的主要问题形式之一，广泛存在于优化控制、机械设计、数据挖掘、移动网络规划和逻辑电路设计等问题中。MOPs有多个目标，且各目标相互冲突。对于MOPs，通常存在一个折衷的解集（即Pareto最优解集），解集中的各个解在多目标之间进行权衡。获取具有良好收敛性及分布性的解集是求解MOPs的关键。 1 问题定义 最小化MOPs的一般描述如下： 2 多目标优化算法 目前，大量算法用于求解MOPs。通常，可以将求解MOPs的算法分为两类。 第一类算法，将MOPs转化为单目标优化问题。算法为每个目标设置权值，通过加权的方式将多目标转化为单目标。经过改变权值大小，多次求解MOPs 可以得到多个最优解，构成非支配解集[1]。 第二类算法，直接求解MOPs。这类算法主要依靠进化算法。进化算法这种面向种群的全局搜索法，对于直接得到非支配解集是非常有效的。基于进化算法的多目标优化算法被称为多目标进化算法。根据其特性，多目标进化算法可以划分为两代[2]。 （1）第一代算法：以适应度共享机制为分布性策略，并利用Pareto支配关系设计适应度函数。代表算法如下。VEGA将种群划分为若干子种群，每个子种群相对于一个目标进行优化，最终将子种群合并。MOGA根据解的支配关系，为每个解分配等级，算法按照等级为解设置适应度函数。NSGA采用非支配排序的思想为每个解分配虚拟适应度值，在进化过程中，算法根据虚拟适应度值采用比例选择法选择下一代。NPGA根据支配关系采用锦标赛选择法，当解的支配关系相同时，算法使用小生境技术选择最优的解进入下一代。 （2）第二代算法：以精英解保留机制为特征，并提出了多种较好的分布性策略。代表算法如下。NSGA-II降低了非支配排序的复杂度，并提出了基于拥挤距离的分布性策略。SPEA2提出了新的适应度分配策略和基于环境选择的分布性策略。PESA-II根据网络超格选择个体并使用了基于拥挤系数的分布性策略。

博聪多目标智能跟踪系统

博聪多目标智能跟踪系统 产品组成 注：因产品更新较快，产品图片仅供参考，实际产品外观请在购买前与销售人员确认。 系统概述 博聪多目标智能跟踪系统系列产品，由广角摄像机、高速跟踪球机、多目标智能跟踪处理器和一体化支架组成，是厦门博聪信息技术有限公司自主研发的新一代智能监控产品。 其采用了国内先进的 高速跟踪球机 [20x 光学放大倍数] 广角摄像机 [全景视频采集设备] 一体化支架 多目标智能跟踪处理器 [多目标智能跟踪算法程序]

图像检测、识别和跟踪技术，通过先进的视频分析算法和多目标跟踪算法程序，配合精密、精准的云镜控制系统，实现对全景区域内多个移动目标或选定目标的自动、快速、精准、连续、流畅的跟踪和捕捉；并同步完成对全景区域的监控需要，实现对高等级要求的安保需求。 传统球机通过预置位巡航转动，对于视野内的移动目标拍摄效率很低，而且拍摄的很多内容都是无效的静止物体，实际利用率不高。博聪多目标智能跟踪系统采用了广角摄像机与高速跟踪球机搭配的摄像机组合方式，结合国际领先的复杂环境运动物体检测技术和多目标跟踪技术，可同时锁定广角摄像机画面内多个移动目标，多目标智能跟踪处理器驱动高速跟踪球机锁定移动目标并对其进行自动跟踪、放大以得到更清晰的目标特征。这样既有反映目标移动轨迹的监控大场景全局画面，又保留具有监控价值的运动目标局部清晰特写画面，使得监控画面的效用极大提高。 博聪多目标智能跟踪系统支持鼠标点控的球机操作方式，使球机控制操作更简单、更迅捷，降低用户与球机交互过程中的成本，给用户带来持续的、良好的人机交互体验，为人工干预球机及时看清感兴趣目标提供了非常便捷的工具。 功能特点 1.多目标自动跟踪特写拍摄（无人值守） 多目标自动跟踪特写拍摄功能可自动锁定警戒区内多个移动目标，并结合博聪独有的专利技术控制高速跟踪球机平滑跟踪各个运动目标，获得清晰特写画面，自动监控闯入警戒区的每个目标。很好地解决了传统球机没有人工干预时形如摆设的问题，并且有效利用起存储设备，只将关键有用信息抓拍存储，减轻了事后取证的难度。高速跟踪球机抓拍细节，同步广角摄像机监控大范围场景，实现“点面结合、动静兼顾”。

目标检测、跟踪与识别技术与现代战争

目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。

多目标优化实例和matlab程序

NSGA-II 算法实例 目前的多目标优化算法有很多, Kalyanmoy Deb 的带精英策略的快速非支配排序遗传算法(NSGA-II) 无疑是其中应用最为广泛也是最为成功的一种。本文用的算法是MATLAB 自带的函数gamultiobj ，该函数是基于NSGA-II 改进的一种多目标优化算法。 一、 数值例子 多目标优化问题 424221********* 4224212212112 12min (,)10min (,)55..55 f x x x x x x x x x f x x x x x x x x x s t x =-++-=-++-≤≤??-≤≤? 二、 Matlab 文件 1． 适应值函数m 文件： function y=f(x) y(1)=x(1)^4-10*x(1)^2+x(1)*x(2)+x(2)^4-x(1)^2*x(2)^2; y(2)=x(2)^4-x(1)^2*x(2)^2+x(1)^4+x(1)*x(2); 2． 调用gamultiobj 函数，及参数设置： clear clc fitnessfcn=@f; %适应度函数句柄 nvars=2; %变量个数 lb=[-5,-5]; %下限 ub=[5,5]; %上限 A=[];b=[]; %线性不等式约束 Aeq=[];beq=[]; %线性等式约束 options=gaoptimset('paretoFraction',0.3,'populationsize',100,'generations', 200,'stallGenLimit',200,'TolFun',1e-100,'PlotFcns',@gaplotpareto); % 最优个体系数paretoFraction 为0.3；种群大小populationsize 为100，最大进化代数generations 为200， % 停止代数stallGenLimit 为200， 适应度函数偏差TolFun 设为1e-100，函数gaplotpareto ：绘制Pareto 前端 [x,fval]=gamultiobj(fitnessfcn,nvars,A,b,Aeq,beq,lb,ub,options)

制高点多目标智能跟踪系统设计方案V20-副本

xxx校园制高点监控系统 及多目标智能跟踪系统方案设计 北京xxx数码科技有限公司2015年12月7日

目录 1 校园监控目前存在的问题 1 2 解决方案 1 3 系统整体设计 1 3.1 普通制高点监控系统 1 3.1.1 优势 1 3.1.2 不足 1 3.2 多目标智能追踪系统 2 3.2.1 系统概述 2 3.2.2 平安校园中的应用 2 3.2.3 系统组成 3 3.2.4 系统优势 3 3.2.5 功能特点 3 3.2.6 多目标智能跟踪系统设备性能及参数 5 3.2.7 智能多目标系统管理软件平台8 3.2.8 平台对接9 4 清单配置9 4.1 方案一配置9 4.2 方案二配置9

校园监控目前存在的问题 各高职院校的校园大门口社会人员嘈杂，犯罪事件频发，使用普通的枪机或球机拍得不全和拍不清细节，无法真正实现对上下学期间大门口场所的有效监管。 操场面积大，使用普通的枪机球机都很难实现全覆盖、无死角。即使覆盖了大部分场景，离监控点远的位置也拍不到细节。一旦发生意外事件，虽然监控设备有拍摄到，但看不清细节，对于事后取证毫无作用。 解决方案 针对此问题，我公司提供如下两套设计方案以供校方结合具体实际情况采纳。 第一套方案：采用在校园至高点配置全景摄像机的方式实现学校法范围重点部位的精确监控。 第二套方案：采用至高点多目标智能跟踪系统对学校的校门、主要路口、操场、运动场等主要区域进行布控、对校园的重点部位和重点区域进行主动化、智能化的实时监控，以实现对校园重点区域和场所进行高安全级别的监控和管控。 系统整体设计 普通制高点监控系统 大范围、远距离、高清晰监控校园，尤其适合夜晚从高处俯视校园某处。 可以实时从高处远距离监视和控制监控点的图像，在有紧急事件发生和举行重要活动时或者夜间有危险警情出现时可以作为指挥调度的辅助手段，协助有关校领导和安保部门完成紧急事件处理。同时可根据实际情况实现对相应设备、安保人员和事件处理的控制。 优势 校园楼栋的制高点安装2套300万30倍光学变焦、支持H.265的高清全景球机，后端配置8路网络视频录像机进行存储，并通过校园保安监控中心进行视频输出图像显示，从而实现学校大范围的精确制高点监控。 此种方案设备配置的优点是成本低，安装相对简单，效果也比较良好。 不足 仅能实现简单的学校大范围的精确制高点监控。其他更多的报警联动、智能跟踪等功能无法实现。若想实现重点区域或重点目标的特点拍摄、入侵报警、绊线报警及动静兼顾并获得清晰的图像和动态的智能跟踪功能，需要采用方案二即：多目标智能追踪系统。

目标检测与跟踪

第九章图像目标探测与跟踪技术 主讲人：赵丹培 宇航学院图像处理中心 zhaodanpei@https://www.wendangku.net/doc/6c6557345.html, 电话：82339972

目录 9.1 概论 9.2 目标检测与跟踪技术的发展现状9.3 目标检测与跟踪技术的典型应用9.4 图像的特征与描述 9.5 目标检测方法的基本概念与原理9.6 目标跟踪方法涉及的基本问题

9.1 概论 1、课程的学习目的 学习和掌握目标探测、跟踪与识别的基本概念和术语，了解一个完整信息处理系统的工作流程，了解目标探测、跟踪与识别在武器系统、航空航天、军事领域的典型应用。了解目标检测、跟踪与识别涉及的关键技术的发展现状，为今后从事相关的研究工作奠定基础。 2、主要参考书： 《目标探测与识别》，周立伟等编著，北京理工大学出版社； 《成像自动目标识别》，张天序著，湖北科学技术出版社； 《动态图像分析》，李智勇沈振康等著，国防工业出版社；

引言：学习目标检测与跟踪技术的意义 ?现代军事理论认为，掌握高科技将成为现代战争取胜的重要因素。以侦察监视技术、通信技术、成像跟踪技术、精确制导技术等为代表的军用高科技技术是夺取胜利的重要武器。 ?成像跟踪技术是为了在战争中更精确、及时地识别敌方目标，有效地跟踪目标，是高科技武器系统中的至关重要的核心技术。 ?例如：一个完整的军事战斗任务大致包括侦察、搜索、监视以及攻击目标和毁伤目标。那么快速的信息获取和处理能力就是战争胜利的关键，因此，目标的实时探测、跟踪与识别也成为必要的前提条件。

?随着现代高新技术的不断发展及其在军事应用领域中的日益推广，传统的作战形态正在发生着深刻的变化。 1973年的第四次中东战争，1982年的英阿马岛之战，1991年的海湾战争及1999年的科索沃战争，伊拉克战争等都说明了这一点。西方各军事强国都在积极探索对抗武器，特别是美国更是投入了巨大的物力、人力和财力积极研制弹道导弹防御系统。而图像检测、跟踪和识别算法作为现代战场信息环境作战成败的关键，具备抗遮挡、抗丢失和抗机动鲁棒性的智能跟踪器，将是现代战场作战必备品，具有广泛的应用前景。

高性能并行计算系统检查点技术与应用

高性能并行计算系统检查点技术与应用　 　 孙国忠　李艳红　樊建平　 　 （中国科学院计算技术研究所　中国科学院研究生院　北京 １０００８０）　 (sgz@https://www.wendangku.net/doc/6c6557345.html,,lyh@https://www.wendangku.net/doc/6c6557345.html,,fan@https://www.wendangku.net/doc/6c6557345.html,) 　 摘 要 随着高性能并行计算系统规模越来越大，软件和硬件发生故障的概率随之增大，系统的容错性和可靠性已经成为应用可扩展性的主要限制因素。并行检查点技术可以使系统从故障中恢复并减少计算损失，是高性能计算系统重要的容错手段。本文将介绍检查点技术的背景和定义，研究并行检查点协议的分类，检查点存储技术，以及利用这些协议和技术实现的ＭＰＩ并行检查点系统，最后给出对各个关键技术的详细评价及结论。　 　 关键词 高性能计算；消息传递系统；并行检查点；回滚恢复　 中图法分类号 ＴＰ３１　 　 A Survey of Checkpointing Technology and It’s Application for High Performance Parallel Systems 　 Sun Guo-Zhong Li Yan-Hong Fan Jian-Ping (Institute of Computing Technology,Chinese Academy of Sciences/Graduate School of the Chinese Academy of Sciences, Beijing 100080) (sgz@https://www.wendangku.net/doc/6c6557345.html, lyh@https://www.wendangku.net/doc/6c6557345.html, ｆａｎ＠ｉｃｔ．ａｃ．ｃｎ) Abstract With the scale of high performance parallel computing systems becoming larger,the fault probability of software and hardware in these systems is increased.As a result, issues of fault tolerance and reliability are becoming limiting factors on application scalability.Parallel checkpointing can help fault system recover from fault and reduce the computing losing,and is an important method for tolerating fault of high performance computing system.This paper will discuss the background and definitions of checkpointing,classify of parallel checkpointing protocols, checkpoint storage technology, and several MPI systems adopting these parallel checkpointing protocols.At last we give appraisement of these key technologies and list our conclusions. 　 Key words High Performance Computing; Message Passing System; Parallel Checkpointing ; Rollback Recovery 　 １ 引 言　 　 高性能并行计算领域的容错技术由于以下几种情况而越发受到重视。1）在一台高性能计算机系统中，总的处理器数快速增长。如BlueGene/L 总的处理器有130,000个，有证据表明这样的一台机器几个小时就要有一个处理器失效。虽然处理器总数的提高带来了性能提高，但是也提高了故障点的数目。2）大多数并行计算机系统正在从采用昂贵的硬件系统向低成本、由处理器和光纤网络定制组装的cluster转变，以及采用Internet范围内网格技术来执行程序导致硬件发生故障的概率较高。3）很多科学计算任务被设计成一次运行几天或者几个月，例如ASCI的stockpile certification 程序以及BlueGene当中的ab initio 蛋白质折叠程序将运行几个月。由于应用的运行时间比硬件的平均故障间隔时间(MTBF)长，科学计算程序必须 本课题得到国家高科技发展计划(863)基金支持(2003AA1Z2070)和中国科学院知识创新工程支持(20036040) 具有对硬件故障的容错技术。采用检查点技术恢复应用运行是一种有效的容错方法。 检查点技术除了实现系统容错，还能协助实现灵活的作业调度。例如，拥有高性能计算系统的气象局要在每天的固定时段加载资源独占作业进行气象预报或者运行紧急作业，需要暂停原来运行的其它作业。因此必须记录原来作业的检查点并在完成紧急作业后恢复运行。 可见，采用检查点技术可以实现系统容错，实现灵活的作业调度以及提高资源利用率。本文将通过对各种并行检查点技术的分析比较，呈现出高性能并行计算系统检查点机制的发展状况，存在的问题和研究前景。 　 ２背景和定义　 检查点技术在各个领域都进行了广泛研究，如硬件级指令重试、分布式共享内存系统、系统调试、实时系统等。本文侧重于高性能并行计算系统，主要包括ＭＰＰ、Ｃｌｕｓｔｅｒ。这些系统的进程之间通过消息传递实现通信，本文中也称为消息传

并行计算考试复习

1在并行机系统中，主流操作系统有UNIX/Linux，AIX(IBM)，HPUX(HP)，Solaris(SUN)，IRIX(SGI)等。 2 常用的并行算法设计的基本技术有划分，分治，倍增，流水域，破对称，平衡 树等设计技术。 3 Matlab并行程序编写过程分为创建对象，创建工作，指定工作任务，提交工作，等待和返回计算任务结果六步。 1. 云计算是对（ D ）技术的发展与运用 A. 并行计算 B网格计算 C分布式计算 D三个选项都是 2. IBM在2007年11月退出了“改进游戏规则”的（ A ）计算平台，为客户带来即买即用的云计算平台。 A. 蓝云 B. 蓝天 C. ARUZE D. EC2 3. 微软于2008年10月推出云计算操作系统是（ C ） A. Google App Engine B. 蓝云 C. Azure D. EC2 4. 2008年，（ A ）先后在无锡和北京建立了两个云计算中心 A. IBM B. Google C. Amazon D. 微软 5. 将平台作为服务的云计算服务类型是（ B ） A. IaaS B.PaaS C.SaaS D.三个选项都不是 6. 将基础设施作为服务的云计算服务类型是（ A ） A. IaaS B.PaaS C.SaaS D.三个选项都不是 7. IaaS计算实现机制中，系统管理模块的核心功能是（ A ） A. 负载均衡 B 监视节点的运行状态 C应用API D. 节点环境配置 8. 云计算体系结构的（ C ）负责资源管理、任务管理用户管理和安全管理等工作 A.物理资源层 B. 资源池层 C. 管理中间件层 D. SOA构建层 9. 下列不属于Google云计算平台技术架构的是（ D ） A. 并行数据处理MapReduce B.分布式锁Chubby C. 结构化数据表BigTable D.弹性云计算EC2 10. 在目前GFS集群中，每个集群包含（ B ）个存储节点 A.几百个 B. 几千个 C.几十个 D.几十万个 11. 下列选项中，哪条不是GFS选择在用户态下实现的原因（ D ） A.调试简单 B.不影响数据块服务器的稳定性 C. 降低实现难度，提高通用性 D. 容易扩展 12. GFS中主服务器节点存储的元数据包含这些信息（ BCD ） A.文件副本的位置信息 B.命名空间 C. Chunk与文件名的映射 D. Chunk副本的位置信息 13. 单一主服务器（Master）解决性能瓶颈的方法是（ ABCD ） A.减少其在数据存储中的参与程度 B. 不适用Master读取数据 C.客户端缓存元数据 D. 采用大尺寸的数据块 14. （ B ）是Google提出的用于处理海量数据的并行编程模式和大规模数据集的并行运算的软件 架构。 A. GFS B.MapReduce C.Chubby D.BitTable 15. Mapreduce适用于（ D ） A. 任意应用程序 B. 任意可在windows servet2008上运行的程序 C.可以串行处理的应用程序 D. 可以并行处理的应用程序

多目标优化算法与求解策略

多目标优化算法与求解策略 2多目标优化综述 2.1多目标优化的基本概念 多目标优化问题(Multi-objective Optimization Problem，MOP)起源于许多实际复杂系统的设计、建模和规划问题，这些系统所在的领域包括工业制造、城市运输、资本预算、森林管理、水库管理、新城市的布局和美化、能量分配等等。几乎每个重要的现实生活中的决策问题都要在考虑不同的约束的同时处理若干相互冲突的目标，这些问题都涉及多个目标的优化，这些目标并不是独立存在的，它们往往是祸合在一起的互相竞争的目标，每个目标具有不同的物理意义和量纲。它们的竞争性和复杂性使得对其优化变得困难。 多目标最优化是近20多年来迅速发展起来的应用数学的一门新兴学科。它研究向量目标函数满足一定约束条件时在某种意义下的最优化问题。由于现实世界的大量问题，都可归结为含有多个目标的最优化问题，自70年代以来，对于多目标最优化的研究，在国内和国际上都引起了人们极大的关注和重视。特别是近10多年来，理论探索不断深入，应用范围日益广泛，研究队伍迅速壮大，显示出勃勃生机。同时，随着对社会经济和工程设计中大型复杂系统研究的深入，多目标最优化的理论和方法也不断地受到严峻挑战并得到快速发展。近几年来，将遗传算法(Genetic Algorithm，GA)应用于多目标优化问题成为研究热点，这种算法通常称作多目标优化进化算法或多目标优化遗传算法。由于遗传算法的基本特点是多方向和全局搜索，这使得带有潜在解的种群能够一代一代地维持下来。从种群到种群的方法对于搜索Pareto解来说是十分有益的。 一般说来，科学研究与工程实践中许多优化问题大都是多目标优化问题。多目标优化问题中各目标之间通过决策变量相互制约，对其中一个目标优化必须以其它目标作为代价，而且各目标的单位又往往不一致，因此很难客观地评价多目标问题解的优劣性。与单目标优化问题的本质区别在于，多目标优化问题的解不是唯一的，而是存在一个最优解集合，集合中

一种用于智能空间的多目标跟踪室内定位系统_谷红亮

第30卷 第9期2007年9月 计 算 机 学 报 CH INESE JOURNA L OF COM PU TERS Vo l.30N o.9 Sept.2007 收稿日期:2005-11-12;修改稿收到日期:2007-01-21.本课题得到国家自然科学基金(60672066)和国家 八六三 高技术研究发展计划项目基金(2006AA01Z131)资助.谷红亮,男,1977年生,博士,讲师,研究方向为位置感知计算、嵌入式系统、分布式多媒体.E -mail:hlgu @https://www.wendangku.net/doc/6c6557345.html,.史元春,女,1967年生,教授,博士生导师,研究领域为人机交互、分布式多媒体、普适计算.申瑞民,男,1967年生,教授,博士生导师,研究领域为E -Learning 网络教育技术、多媒体网络协同工作.陈 渝,男,1972年生,博士,讲师,研究方向为嵌入式系统、操作系统. 一种用于智能空间的多目标跟踪室内定位系统 谷红亮1) 史元春2) 申瑞民1) 陈 渝 2) 1)(上海交通大学网络教育学院 上海 200030) 2) (清华大学计算机科学与技术系 北京 100084) 摘 要 定位系统是智能空间位置感知计算的基础部件,它不仅要能较精确定位多目标,而且在方向性、可携带性等方面也要满足要求.文中设计了一种室内定位系统Cicada,该系统基于射频和超声波到达时间差来测量距离,并采用滑窗滤波和卡尔曼滤波的方法计算位置.实验表明它对静止和移动目标都能提供平均5cm 的定位精度,拥有全向型的工作区域,便于携带,具有较好的规模伸缩度以及易部署性,能较全面地满足智能空间定位的需求.关键词 普适计算;位置感知计算;定位系统;扩展卡尔曼滤波;滑窗滤波器中图法分类号T P 391 A Mult-i O bject Tracking Indoor Positioning System for Smart Space GU H ong -Liang 1) SH I Yuan -Chun 2) SH EN Ru-i M in 1) CH EN Yu 2) 1) (Ne tw ork Ed ucation Colleg e ,S hang hai Jiaoton g Univ er sity ,S hang hai 200030) 2) (Dep artment of Comp uter S cience and T echnolog y ,T singh ua Univ er sity ,B eij ing 100084) Abstract T he location sensing sy stem (also called po sitio ning system )is an underlying co mpo -nent for location -aw are computing in Smart Space,w hich not only dem ands the location sensing system to locate m ultiple o bjects w ith desirable precision,but also super im poses the require -m ents,such as dir ectio nal char acteristic and portability etc,on it.This paper presents an indoo r location sensing system,Cicada.This system is based on the T DoA (Time Difference of Arr iv al)betw een radiofrequency and ultraso und to estimate distance,and em plo ys a technolog y integ ra -ting Slide Window Filter and Ex tended Kalman Filter to calculate location.As the ex periments pro ve,Cicada can pro vide the average 5cm location precision both for static objects and for mo bile objects,ow ns a nearly o mn-i directional w orking area r anging from -90degree to +90degree. Besides,it is able to run independently,mini and light so that it is co nvenient to be po rtable and ev en embedded into people s parapher nalia.Further,it is also flex ible in scalability,for neither quantity range nor co nstraint of structure form is demanded on its infrastructur https://www.wendangku.net/doc/6c6557345.html,st,it is fairly facile to be em plo yed,attributing to the w ireless co nnectivity in its infrastructur e.Those advan -tages illuminate that it is able to be co mpetent fo r al-l r ound location sensing requirements of Sm art Space.Keywords pervasive/ubiquitous computing;location -aw are com puting;po sitioning system; ex tended Kalman filter;slide w indow filter

人形目标检测与跟踪

——人形目标检测与跟踪

一、 本组研究方案，算法系统框图 二、 检测算法、原理、程序实现方法、调试过程 【视频处理】 老师提供的两端视频两段视频并不能直接用来输入OpenCV 所编程序处理，需要将其转化为无压缩的avi 格式。利用软件WinAVI Video Converter ，转换为ZJMedia uncompressed RGB24格式。 【背景建模】 我们小组利用N 帧图像的平均来求取背景，并实时对背景进行更新。由于考虑到ExhibitionHall.avi 视频中运动物体所占场景比例少，运动轨迹为直线，为了处理的简单，所以在这不刻意区分物体和背景像素点。即(1)(1)()()A A A B k B k I k αα+=-+ ，这里的α 很小（0.003） 。 【前景提取】 灰度图像的处理比彩色图像的处理过程简单。我们小组将读入的彩色图像变成灰度图像，并二值化；同样，背景也进行二值化。两者做差值，得到一些离散的黑白点块。也就

是要识别的目标。但是，这样得到的块是分散开的，程序 并不能完整的把它们识别成一个人形，而是一个本来很完 整的人形被分块识别成多个目标。为此，我们做了一些简 单的后处理。先腐蚀元素，去除不必要的杂点，然后进行 膨胀块处理，自定义块的大小，使其膨胀成能被识别成一 个人形的目标。另外，我们还做个简单的高斯低通滤波， 是得到的结果光滑些。其流程图如右。 【目标检测】 根据前景处理的结果，得到一些连续的块目标。利用帧间差，可以提取出目标的轮廓。根据轮廓的位置分布，计算出检测目标的形心和大小。并予以标记。 【目标跟踪】 根据目标帧间的位移差值，可以计算出运动目标在x ，y 方向上的运动速度。可以利用这个关系判断下一帧目标的位置。设置一个合适的阈值，就可以实现目标的跟踪。在此，我们还引入了重叠判断机制。如果目标重叠，即通过遍历，发现块重叠大于一定阈值后，根据前面得到的位置预测判断当前物块位置；如果不重叠，则遍历这幅图像中的所有物块，寻找临近最优物块，以保持编号连续性。在目标跟踪过程中，还进行了Kalman 滤波，对目标轨迹进行滤波处理。 目标跟踪 …… 目标 (Id,Pos,Size) 目标 (Id,Pos,Size) 目标 1 目标 (Pos,Size) 目标 (Pos,Size) 目标N 目标 (Pos,Size) 目标 (Pos,Size)

基于图像处理的目标跟踪系统

中南民族大学 毕业论文(设计) 学院：生物医学工程学院 专业：生物医学工程年级： 2008 题目: 基于图像处理的目标跟踪系统 学生姓名：熊章靖学号：08073103 指导教师姓名: 谢勤岚职称: 教授 2012年5月10日

中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名： 2012年5月10日

目录 摘要 (1) Abstract (1) 1 引言 (2) 2 OpenCV的体系结构 (3) 2.1 OpenCV中的常用数据结构体系 (3) 2.2 OpenCV中常用类体系 (4) 2.3 OpenCV常用的函数 (4) 3视频处理 (7) 3.1用HighGUI对视频进行读写处理 (7) 3.1.1获取摄像头，显示图像 (7) 3.2对AVI文件的处理 (8) 4运动目标检测 (11) 4.1运动目标检测的基本方法 (11) 4.2本文的检测算法 (12) 4.3开运算和闭运算 (14) 5程序编辑及结果分析 (15) 5.1配置Visual C++ 6.0 (15) 5.1.1全局设置 (15) 5.1.2项目设置 (17) 5.2程序运行演示 (17) 5.3运行结果分析 (18) 结论 (19) 参考文献 (20) 致谢词 (21)

基于图像处理的目标跟踪系统 摘要：介绍了一种基于OpenCV的运动物体跟踪算法，用于实现在背景中检测出运动目标并实施警戒等特定提示的目的。该算法利用背景差分法得到当前帧中的静止的背景模型，并在不断更新的视频图像中检测前景图像，提取出运动目标。简单介绍了必要的函数和数据结构，以及重要的程序板块。实验结果表明，该方法可以较好地实现视频序列中运动目标的检测，具有实时性，并能得到较好的检测结果。相信在安防监督领域有更为广泛的运用。 关键字：运动目标检测；背景差分法；OpenCV The target tracking system based on image processing Abstract：It's introducing a kind of moving objects tracking algorithm based on OpenCV,which is used to realize the purpose of detection on moving objects in background and implementing of specific tips for warning.The algorithm gets the static background model in the current frame with the background-finite-difference method, and tests the foreground images in the constantly updated video images ,and extracts the moving targets from them, .In addition, it introduces the necessary functions,data structures and the important program plates. The results we get from the experiment shows that this method can well realize moving targets detection in video sequences, which are defined, and we can get a good test results from it with believing that this method will be more used of in the security supervision areas. Key Words：Moving targets detection;Frame difference;OpenCV