Show simple item record

dc.contributor.advisorGonzález Ruiz, Vicentees_ES
dc.contributor.authorBéjar Cáceres, David
dc.date.accessioned2021-03-19T08:15:09Z
dc.date.available2021-03-19T08:15:09Z
dc.date.issued2020-02
dc.identifier.urihttp://hdl.handle.net/10835/10309
dc.description.abstractRESUMEN: El flujo óptico de imagen es muy usado en aplicaciones multimedia, visión computacional, codificación/decodificación de vídeo, sin embargo, tradicionalmente es un cálculo que consume muchos recursos de hardware y tiempo. Este trabajo presenta formas de acelerar el flujo óptico denso de imagen entre fotogramas aprovechando la arquitectura CUDA de las tarjetas gráficas de Nvidia mediante OpenCV. También se evalúa la calidad del flujo óptico denso de imagen para varias secuencias, cada una con diferente grado de movimiento de píxeles entre fotogramas, y se diiscutien otras formas de calcular el flujo óptico del estado de arte. Además se evalúa la posibilidad de realizar el mismo cálculo en diferentes plataformas, Windows, Linux, Android gracias a la potabilidad del código Python y C++. Finalmente se integra en el códec MCDWT el código acelerado en la GPU, de una forma trasparente y multi-plataforma, que se activará automáticamente al detectar un sistema CUDA. ABSTRACT: Optical image flow is widely used in multimedia applications, computer vision, video coding/decoding. However, it is traditionally a calculation that consumes many hardware resources and time. This project presents ways to accelerate the dense optical flow of image between frames taking advantage of the CUDA architecture of Nvidia graphics cards through OpenCV. The quality of the dense optical obtained is also evaluated for several sequences, each one with different degree of pixel movement between frames, also discussing other ways to calculate the optical flow in the state of the art. In addition, the possibility of performing the same calculation on different platforms, Windows, Linux, Android is evaluated thanks to the portability of Python and C ++ code on other platforms. Finally, the accelerated code in the GPU is integrated into the MCDWT codec, in a transparent and multi-platform way, which will be activated automatically if a CUDA system is detected.es_ES
dc.language.isoeses_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectTrabajo Fin de Máster de la Universidad de Almeríaes_ES
dc.subjectaceleracíones_ES
dc.subjectestimación del flujo ópticoes_ES
dc.subjectcódec de vídeo MCDWTes_ES
dc.titleAceleración de la Estimación del Flujo Óptico y su Aplicación al Códec de Vídeo MCDWTes_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES


Files in this item

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional