基于GPU的目标识别算法的并行化研究_中国煤炭行业知识服务平台

基于GPU的目标识别算法的并行化研究

作者

刘宝平陈庆奎李金静刘伯成
单位

上海理工大学光电信息与计算机工程学院上海理工大学管理学院
摘要

针对可变形部件模型算法(DPM)的计算量大,无法完成实时检测等问题,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;采用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

梯度方向直方图可变形部件模型图形处理器协同计算统一计算设备架构开放运算语言
基金项目(Foundation)

国家自然科学基金资助项目:面向实时并发数据流的能耗优化的GPU集群可靠处理机制研究(61572325)；高等学校博士学科点专项科研博导基金资助(20113120110008)；上海重点科技攻关项目资助(14511107902)；上海市工程中心建设项目资助(GCZX14014)；上海智能家居大规模物联共性技术工程中心项目资助(GCZX14014)；上海市一流学科建设项目资助(XTKX2012)；沪江基金研究基地专项资助(C14001)；
相关文章

[1]一种基于GLCM的运动目标检测新方法