Implementing motion Markov detection on General Purpose Processor and Associative Mesh

Proceedings - International Workshop on Computer Architecture for Machine Perception, CAMP

Volumn , Issue , 2005, Pages 288-293

  Denoulet, J ^a   Mostafaoui, G ^b   Lacassagne, L ^a   Merigot A ^a  

^a UNIVERSITÉ PARIS SACLAY   (France)

^b SORBONNE UNIVERSITÉ   (France)

Author keywords

Associative nets model; Markov Random Field; Motion detection; SIMD; Vision SoC

Indexed keywords

ASSOCIATIVE NETS MODEL; MARKOV RANDOM FIELD; MOTION DETECTION; VISION SOC;

ALGORITHMS; COMPUTER ARCHITECTURE; MARKOV PROCESSES; PROGRAM PROCESSORS;

MOTION ESTIMATION;

EID: 28444482419     PISSN: None     EISSN: None     Source Type: Conference Proceeding    
DOI: None     Document Type: Conference Paper

References (21)

1. R. Azencott. Simulated annealing: parallelization techniques. John Wiley, 1992.
2. A. Bellon. Détection et suivi de véhicule en mouvement, implémentation parallèle sur un systèeme à mémoire distribuée. Thèse Lasmea 1996.
3. P. Bouthémy, P. Lalande. Recovery of moving object in an image sequence using local spatiotemporal contextual information. Optical Engineering, 36-2, 1993.
4. G. Blelloch, Vector Models for Data-Parallel Computing, MIT Press, Cambridge, 1990.
5. A. Caplier. Modèles markoviens de détection de mouvements dans les squences d'images: approche spatio-temporelle et mise en oeuvre temps réel. Thse INPG 1995.
6. J.P. Cocquerez, S. Philipp. Analyse d'images: filtrage et segmentation. MAsson 1995. Temps de calcul sur Sparc5 et CM2 page 220.
7. Cray X1: http://www.cray.com/products/x1/specifications.html
8. J. Denoulet, A. Mérigot, System on chip evolution of a SIMD architecture for image processing, CAMP 2003.
9. J. Denoulet, A. Mérigot, Evaluation of a SIMD architecture dedicated to image processing. GSPx (Global Signal Processing) 2004.
10. D. Dulac, Contribution au parallèlisme massif en analyse d'image: une architecture SIMD fondée sur la reconfigurabilité et l'asynchronisme. PhD thesis, University of Paris XI, 1996.
11. S. Guezguez, Etude de l'adéquation du modèle de rèseaux associatifs avec les algorithmes d'analyse d'images.Thèse Université de Paris Sud, 1999.
12. L. Lacassagne. Détection de mouvement et suivi d'objets en temps réel, Thèse Université Pierre et Marie Curie - Paris6, 2000.
13. P. Lalande. Détection du mouvement dans les séquences d'images selon une approche markovienne, application à la robotique sous marine", Thèse Université de Renne I, 1990.
14. F. Lohier, L. Lacassagne, P. Garda, "Generic programming method for real time implementation of MRF based motion detection algorithm on a multiprocessors DSP with multidimentionnal DMA". GRETSI 1999.
15. A. Manzanera, Vision artificielle rtinienne. Thèse ENST 2000.
16. A. Manzanera, F. Prêteux, T. Bernard. Markovian-based modeling on programmable retina. QCAV 2001.
17. A. Manzanera, J. Richefeu "A robust and computationally efficient motion detection algorithm based on Sigma-Delta background estimation" Proceedings Indian Conference on Computer Vision, Graphics and Image Processing, Kolkata, India, December 2004, ICVGIP '04.
18. A. Mérigot, Asociative Nets Model: a graph based parallel computing model, IEEE Transaction on Computer, 46(5), 558-571, 1997.
19. A. Mérigot G.Constantinescu B.Ducourthial D.Dulac & S.Guezguez, Evaluation d'un modèle de calcul parallèle pour l'analyse d'images, AAA 1998.
20. A. Mérigot & B.Zavidovique, Image analysis on massively parallel computers: an architecture point of view, nternational journal of pattern recognition and image analysis. 6(3), 2002.
21. G. Mostafaoui, T. Kunlin, L. Lacassagne Relaxation markovienne et seuillage par hystérésis pour une détection de mouvement temps réel dans des séquences couleur, International Symposium on Image/Video Communications over fixed and mobile networks, ISIVC, Jully 2004, Brest, France.