一种基于GPU多核并行加速的车辆检测方法

摘要

本发明公开了一种基于GPU多核并行加速的车辆检测方法，其步骤包括计算机视觉、特征提取、目标相似度检测以及Map-Reduce并行计算框架。本发明有益效果在于，通过Map-Reduce的GPU并行计算提高了HOG特征提取算法效率，显著缩短了车辆检测所需时间，可用于自动化的智能交通和城市管理领域。

主权项

一种基于GPU多核并行加速的车辆检测方法，其特征在于，所述方法包括以下步骤：（1）由CPU获得待检测的图像并复制到GPU内存，其中，将分配的内存设置为不可换页可提高传输速度；（2）利用硬件纹理单元对所述图像进行降采样，然后对所述降采样后的图像进行伽马校验；（3）计算梯度值，其中，将一个检测窗口划分为若干个区块，在每个区块内，使用GPU并行计算技术，利用水平梯度卷积算子[‑1,0,1]与垂直梯度卷积算 - 1 0 1 分别计算水平方向梯度与和垂直方向梯度，进而计算幅值与相位，根据得到的幅值与相位，按照相位值最近的两个bin之间的相位差为权值分解幅值，并记录；（4）计算方向梯度直方图，其中，根据步骤（3）中得到的结果，使用基于MapReduce模型，在Map函数阶段对检测窗口进行子胞元划分，并使用二次线性插值求子胞元内的方向梯度直方图，在Reduce函数阶段对相同区块内的子胞元方向梯度直方图进行合并，得出区块内的方向梯度直方图；（5）归一化方向梯度直方图，其中，在Map函数阶段检测窗口进行区块划分，对区块内方向直方图数组求一个归一化系数，并该数组每个元素乘以这个系数，具体是归一化系数通过求数组内加权平方和的开平方的倒数得到；（6）线性SVM计算，其中，将归一化的结果交由CPU进行合并，并与实现训练好的SVM系数向量进行内积运算；（7）判断是否遍历完全，如果遍历完，退出GPU运算模式，如果没有遍历完，转到步骤（2）；（8）根据步骤（6）计算出的SVM值与预设的阈值对比，如果超过所述预设阈值，则说明当前检测窗口存在目标车辆，将坐标与尺度信息输出。