可變形部件模型的并行加速及應用.pdf

1、在圖像和視頻中檢測識別物體是計算機視覺領域要解決的根本問題之一，是長期以來該領域內(nèi)的研究難點，同時也是近年來研究的熱點。物體檢測在視頻監(jiān)控、人機交互、醫(yī)療診斷以及國防工業(yè)中都有著廣泛的應用。當前隨著視覺傳感器的快速普及，各種實際應用對快速、高性能物體檢測技術的需求也與日俱增。
　　物體檢測技術經(jīng)歷了由人工制定規(guī)則到數(shù)據(jù)驅(qū)動的發(fā)展歷程，性能也越來越接近實際應用的需求?？勺冃尾考Ｐ?Deformable Part Model，DPM

2、)是當前數(shù)據(jù)驅(qū)動物體檢測技術的優(yōu)秀代表之一。DPM算法使用根模型和可變形的部件模型相互配合，大大提高了物體檢測的精度。雖然DPM算法具有眾多優(yōu)良性能，但檢測速度過慢，在Pascal VOC2007數(shù)據(jù)集上平均每幀檢測時間高達十幾秒，這也成為其走向?qū)嶋H應用的瓶頸。
　　為了克服DPM的速度短板，本文不僅從硬件上利用圖形處理器(Graphics Processing Unit，GPU)并行計算，而且從軟件上改進算法，來對原始的DPM檢

3、測過程進行加速。使用GPU計算充分挖掘了算法檢測流程的并行性；利用DPM混合模型對特征金字塔中待滑窗位置進行篩選，有效降低了DPM完整模型的計算量，進一步加快了DPM算法并行執(zhí)行的效率。
　　并行加速后的DPM算法不僅在Pascal VOC2007數(shù)據(jù)庫上檢測性能和時間性能優(yōu)異，而且也成功應用于車輛檢測和車牌定位等實際項目中。在保證精度的前提下，大大提高了車輛和車牌檢測的速度，滿足了實際應用的需要。本文主要研究內(nèi)容與成果如下：

4、r>　　1.實現(xiàn)了DPM算法的GPU加速。為了突破DPM算法的速度瓶頸，本文通過基于CUDA平臺的GPU加速技術，充分挖掘算法的并行性，實現(xiàn)了DPM算法檢測速度130+倍的提升。在Pascal VOC2007數(shù)據(jù)集上平均檢測速度達到10FPS，而且性能沒有下降。
　　2.機理上重新設計DPM算法使之更利于并行計算。與DPM算法傳統(tǒng)串行優(yōu)化不同，本文提出了基于DPM混合模型濾波的并行優(yōu)化，從根本上重新設計算法的執(zhí)行流程。改進后的DP