Aceleração de algoritmos de sumarização de vídeos com processadroes gráficos (GPUs) e multicore CPUs
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
David Menotti Gomes
Helio Pedrini
William Robson Schwartz
Helio Pedrini
William Robson Schwartz
Resumo
A recente e rápida evolução das mídias digitais estimularam a criação, o armazenamento e a distribuição de dados, como por exemplo os vídeos, gerando um grande volume de dados e introduzindo a necessidade de um gerenciamento mais eficiente destes vídeos. Os métodos de sumarização de vídeos consistem em gerar resumos concisos do conteúdo desses vídeos e o resultado deste processo, ou seja, os resumos, permitem pesquisa, indexação e acesso mais rápido a grandes coleções de vídeos. No entanto, a maioria dos métodos de sumarização não apresenta um bom desempenho com vídeos de longa duração e de alta resolução. Uma forma de reduzir o grande tempo de execução é o desenvolvimento de algoritmos paralelos, aproveitando as vantagens das recentes arquiteturas de computadores que permitem alto paralelismo, como Graphics Processor Units (GPUs) e multicore CPUs. Este trabalho propõe a paralelização de dois métodos de sumarização de vídeos existentes na literatura. O primeiro é baseado na extração de características de cor dos quadros dos vídeos e no algoritmo de clusterização k-means, enquanto o segundo é baseado na segmentação temporal dos vídeos e em palavras visuais obtidas através de descritores locais. Para ambos os métodos, foram consideradas as seguintes implementações: GPUs, multicore CPUs e, finalmente, uma versão híbrida distribuindo as etapas dos métodos em GPUs e multicore CPUs a fim de maximizar o desempenho. Os experimentos foram realizados utilizando 240 vídeos variando a resolução dos quadros (320 X 240, 640 X 360, 1280 X 720 e 1920 X 1080 pixels) e a duração (1, 3, 5, 10, 20 e 30 minutos). Os resultados mostram que as implementações realizadas superam a versão sequencial dos dois métodos, mantendo a qualidade dos resumos.
Abstract
The recent and fast evolution of digital media have stimulated the creation, storage and distribution of data, such as digital videos, generating a large volume of data and requiring efficient technologies to increase the usability of these data. Video summarization methods consist of generating concise summaries of video contents and it enable faster browsing, indexing and accessing of large video collections. However, these methods often perform slow with large duration and high quality video data. One way to reduce this long time of execution is to develop parallel algorithms, using the advantages of the recent computer architectures that allow high parallelism, i.e., Graphics Processor Units (GPUs) and multicore CPUs. This work proposes parallelizations of two video summarization methods. The former is based on color feature extraction from video frames and k-means clustering algorithm and the latter is based on temporal video segmentation and visual words obtained by local descriptors. For the two methods, some implementations were considered: GPUs, multicore CPUs, and ultimately a distribution of computations steps onto both hardware to maximise performance. The experiments were performed using 240 videos varying frame resolution (320 X 240, 640 X 360, 1280 X 720 e 1920 X1080 pixels) and video length (1,3,5,10,20 and 30 minutes). The results shows that the implementations overcome the sequential version of both methods, keeping the quality of the summaries.
Assunto
Computação, Processamento de imagens Técnicas digitais, Algoritmos paralelos
Palavras-chave
Processamento de vídeos, Sumarização de vídeos, GPUs, Multicore CPUs, Algoritmos paralelos