基于GPU的目标识别算法的并行化研究

摘要：

在计算机视觉领域,目标检测追踪一直是一个研究热点,梯度方向直方图是一个早期的优秀目标识别算法,是一个广泛应用在计算机视觉和图像处理中的目标检测的特征描述子,很多更为优秀的算法都是以此算法为基础进行优化.DPM算法就是在HOG算法基础上演化而来的精度更高的算法.针对DPM算法的计算量大从而无法完成实时检测等问题,本文通过GPU编程模型CUDA,在Nvidia GPU上实现了HOG算法和DPM算法的并行化,同时本文也采用了OpenCL编程模型实现了DPM算法在集成显卡上的并行化,通过CPU和GPU的协同计算,保证目标识别效果的前提下,并行化的算法的执行效率相比于OpenCV中的CPU或GPU实现有明显的提高.通过对目标识别算法的并行化,结合其他算法,使得这类复杂算法能够在一些需要实时监测的工程领域中得到应用.

关键词： 目标识别 并行化处理 实时检测 图形处理器

作者: 刘宝平 陈庆奎 李金静 刘伯成

作者单位: 上海理工大学 光电信息与计算机工程学院,上海市 200093 上海理工大学 光电信息与计算机工程学院,上海市 200093;上海理工大学 管理学院,上海市200093 上海理工大学 管理学院,上海市200093

会议类型: 国内会议

会议名称: 第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议

会议地点: 太原

会议语种:中文

页码: 305-312

在线出版日期: 2015-08-28（万方平台首次上网日期，不代表论文的发表时间）