运动估计是高级视频编码标准H.264的核心部分之一,通过高效的帧间预测方法大幅提升了视频压缩比,但高计算复杂度问题却给实时视频编码带来巨大挑战。近年来随着图形处理器GPU(Graphics Processing Unit)的并行计算能力越来越强,基于GPU的CUDA(Compute Unified Device Architecture)编程模型为优化加速运动估计部分提供了机会。因而,充分挖掘运动估计的并行性,并利用GPU对其进行优化加速,对以视频直播为代表的实时编码应用的快速发展具有重大意义。通过对运动搜索算法的改进和并行性分析,提出了基于GPU平台的H.264运动估计并行优化方案。首先,提出了一种适应于GPU并行计算特点的两级搜索算法:第一级是粗粒度全局搜索,以4倍步长在搜索窗口中找到第一级最佳运动矢量;第二级是细粒度局部搜索,在第一级最佳运动矢量位置周边的5×5区域内进一步搜索得到最终的运动矢量。此算法不仅极大地减少了搜索点,而且便于CUDA编程实现,可充分利用GPU的并行计算资源加速运动估计过程。其次,提出了CPU残差编码与GPU运动估计的异步计算模型:将帧分为N个块,由于每个分块的运动估计不依赖其它分块,所以当CPU对第n-1(0<n≤N)个分块进行残差编码的同时,GPU可以进行第n个分块的运动估计,等到第n-1个分块的残差编码完成后,CPU可以直接进行第n个分块的残差编码,避免相互等待。实验结果表明,采用两级搜索算法的并行优化方案比全搜索算法最高加速了40多倍,整体编码速度最高提升了30多倍;相比于一些快速搜索算法也有不同程度的加速。相应的视频质量损失在用户可接受范围内,峰值信噪比PSNR(Peak Signal to Noise Ratio)最大误差为1.2dB。