基于CUDA加速的并行人臉檢測.pdf

1、作為計算機視覺與模式識別領(lǐng)域的一項重要問題,人臉檢測在信息安全、視頻監(jiān)控、人體生物特征識別等技術(shù)領(lǐng)域有著廣泛應(yīng)用。2001年Viola等人提出的基于AdaBoost的人臉檢測算法同時兼顧了人臉檢測的檢測率和檢測速度,成為目前最為成熟和應(yīng)用最為廣泛的人臉檢測算法。
　　本文對基于AdaBoost的人臉檢測算法進行了并行化改進,并在NIVIDAGPU上利用CUDA架構(gòu)進行了加速。
　　在本文的并行人臉檢測框架中,首先將原始彩色圖

2、像轉(zhuǎn)化為灰度圖像,并對灰度圖像逐級縮小創(chuàng)建金字塔圖像,從而當(dāng)以固定大小的掃描窗口對金字塔圖像進行掃描時,可對各尺度人臉進行檢測。該方式可實現(xiàn)子窗口掃描的高效并行。顏色空間轉(zhuǎn)換和圖像的逐級縮小均通過GPU并行實現(xiàn),相較于利用CPU的顏色空間轉(zhuǎn)換和圖像逐級縮小,能取得數(shù)十至數(shù)百倍的加速比。
　　隨后,利用金字塔圖像在GPU端計算積分圖像與平方積分圖像。為提高積分圖像計算的計算效率,利用了并行前綴求和算法以及圖像轉(zhuǎn)置算法,通過兩次逐行并

3、行前綴求和與兩次圖像轉(zhuǎn)置,可以高效計算金字塔圖像的積分圖像與平方積分圖像。相較于基于CPU的積分圖像計算,利用GPU計算能取得數(shù)倍的加速比。
　　人臉檢測階段,利用掃描窗口并行的方法,通過GPU端核函數(shù)對積分圖像與平方積分圖像進行并行掃描檢測。該過程利用常量存儲器加載分類器數(shù)據(jù),并將積分圖像映射至GPU共享內(nèi)存進行加速。對GPU端的檢測結(jié)果,本文設(shè)計了一種基于bit位表示的高效結(jié)果后處理方法。
　　實驗結(jié)果表明,在檢測效率(