Aceleración de algoritmos de estimación de movimiento mediante OpenCL

Abstract

El flujo óptico y la estimación de movimiento es área de conocimiento muy importante usado en otros campos del conocimiento como el de la seguridad o el de la bioinformática. En estos sectores, se demandan aplicaciones de flujo óptico que realicen actividades muy importantes con tiempos de ejecución lo más bajos posibles, llegando a tiempo real si es posible. Debido a la gran complejidad de cálculos que siguen a este tipo de algoritmos como se observará en la sección de resultados, la aceleración de estos es una parte vital para dar soporte y conseguir ese tiempo real tan buscado. Por lo que planteamos como objetivo para este TFG la aceleración de este tipo de algoritmos mediante diversos tipos de aceleradores usando OpenCL y de paso demostrar que OpenCL es una buena herramienta que permite códigos paralelizados con un gran Speedup a la par que funcionar en toda una diversa gama de dispositivos tan distintos como un GPU y una FPGA. Para lo anteriormente mencionado trataremos de desarrollar un código para cada algoritmo y optimizarlo de forma no especifica a una plataforma para posteriormente ejecutarlo sobre las diversas plataformas y medir tiempos y error para cada algoritmo. Para el desarrollo de este proyecto partimos de la teoría de dos algoritmos ya existentes: Lucas&Kanade monoescala y el Horn&Schunck. Además, usaremos estímulos para estos algoritmos muy aceptados por la comunidad como pueden ser el RubberWhale o los Grove, los cuales nos ayudarán a establecer la corrección de estos algoritmos y analizar su precisión, dando así un estudio referencia para saber cual escoger.

Optical flow is a very important field used in other sectors such as security or bioinformatics. They demand optical flow applications that make really important activities with the smallest times, reaching real time processing. Due to algorithms complexity, accelerating is crucial to achieve real time constrains. In addition, we analyze the behavior of algorithms under study in different kind of accelerators using OpenCL in order to demonstrate that OpenCL provides an excellent trade-off between performance rate and coding effort. We would like to remark that OpenCL is already supported by most of GPU and multicore vendors including recently FPGAs. In order to complete a full study, we have developed a non-optimized source for each algorithm without specific platforms optimizations, to easy evaluate times and accuracy error for each algorithm. In this project we have focus on Lucas&Kanade and Horn&Schunck's multi-scale which are widely accepted by the community. As input stimuli we have used the well-known RubberWhale or Groves, in order to establish the correction and analyze its accuracy, giving us a study which help switching between the algorithms for applications which make optical flow.