Aceleración de algoritmos bioinspirados para estimación de movimiento en hardware paralelo

Resumen

Este trabajo de tesis aborda la implementación del Modelo Multicanal de Gradiente (McGM) en hardware gráfico para estimación de movimiento en tiempo real.La estimación de movimiento es uno de los problemas fundamentales en el ámbito de la visión por computador. El objetivo es emular la percepción visual de muchos animales, incluido el ser humano, es decir, calcular la dirección y la velocidad de los objetos del mundo real en su representación en el plano, con los problemas que ello conlleva. Como es usual en el procesamiento de señales, nos encontraremos con un compromiso entre el tiempo de procesado y el tamaño de los datos respecto a la calidad de la secuencia de entrada. Bajo estas premisas, este trabajo de tesis pretende converger hacia el estudio de un modelo de visión por computación basado en el comportamiento de los seres vivos, explotando un sistema con un acelerador gráfico, siendo este esquema la tendencia actual en sistemas tan dispares como supercomputadores de alto rendimiento o smartphones.Para ello, se describe una implementación específica y eficiente en GPU de un modelo de flujo óptico basado en un modelo de gradiente, el McGM. Este modelo posee muchas características que aumentan la capacidad de estimación cuando son comparados con otros modelos ópticos pertenecientes a la familia de algoritmos que utilizan modelos de gradiente. Este estudio se lleva a cabo con el objetivo de obtener una evaluación en términos de rendimiento que ofrece el hardware gráfico con el fin de estimar el movimiento en tiempo real. Para ello se describen los filtros, su plausibilidad biológica y así mismo su implementación óptima aprovechando la arquitectura paralela que nos brindan las GPUs modernas.Se presenta un estudio de rendimiento en comparación a un procesador de propósito general actual, por medio de experimentos que tratan de explorar el rendimiento frente a diferentes parámetros de diseño algorítmicos en el contexto de modelos de estimación de movimiento. Además, se expone un sistema de estimación de movimiento inteligente, con capacidades de auto-adaptación que, sin abandonar los requisitos de tiempo real, minimice el consumo de recursos sin que se vea afectada la calidad de precisión en el proceso de estimación. Todo ello con el objetivo final de poder implantar esta solución en dispositivos empotrados.Palabras clave ¿ Visión por computador, Estimación de movimiento, Procesado Digital de Señal, Hardware Gráfico, CUDA, Sistemas Bioinspirados, Sistemas en tiempo-real.