随着社会经济的发展,人们对安防的需求越来越高,因此智能视频分析技术得到了广泛的重视。人们对相关算法的检测精度以及运行速度都有很高的要求。然而对于高清监控视频,大量的图像数据处理必然导致效率低下,市场急需对系统的优化,提高处理速度。视频分析过程中,有大量可以并行计算的操作,因此可以利用GPU对系统进行加速,以提高高清监控视频智能分析系统的实时性。智能视频分析主要步骤包括视频解码、运动前景检测、运动目标跟踪、运动目标识别等。对可利用GPU做并行计算的运动前景检测以及前景检测后处理部分,选取处理效果和并行度综合效果比较好的算法,利用CUDA将算法移植到GPU上进行并行计算。提出了几种CUDA程序的并行优化策略,包括并行性优化、存储器访问优化、指令优化等,并利用这些优化策略对系统的CUDA程序进行优化。根据CPU-GPU异构平台的特性,综合考虑异构平台下各处理器的计算特点和计算能力,分析不同处理器间的数据拷贝和通信开销,提出了视频分析系统的CPU-GPU之间的通信优化、CPU-GPU异步并行的优化方案;根据多核处理器的特点,参考指令流水线,利用多线程技术设计了视频分析系统的流水线加速方案。通过系统的实际运行评测,验证了各GPU模块的处理性能以及线程流水线加速设计对系统性能的影响,取得了比较理想的加速效果,并对系统后期需要继续改进的方向提出了展望。