基于centrist特征行人检测算法的gpu实现

《基于centrist特征行人检测算法的gpu实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于CENTRIST特征行人检测算法的GPU实现THEGPUIMPLEMENTATIONOFPEDESTRIANDETECTIONALGORITHMSBASEDCENTRISTFEATURE林才纺哈尔滨工业大学2016年12月万方数据国内图书分类号：TP391.4学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于CENTRIST特征行人检测算法的GPU实现硕士研究生：林才纺导师：王非副教授申请学位：工程硕士学科：集成电路工程所在单位：深圳研究生院答辩日期：2016年

2、12月授予学位单位：哈尔滨工业大学万方数据ClassifiedIndex:TP391.4U.D.C:621.3DissertationfortheMaster’sDegreeofEngineeringTHEGPUIMPLEMENTATIONOFPEDESTRIANDETECTIONALGORITHMSBASEDCENTRISTFEATURECandidate：LinCaifangSupervisor：AssociateProf.WangFeiAcademicDegreeAppliedfor：Master

3、’sDegreeofEngineeringSpeciality：IntegratedCircuitEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2016Degree-Conferring-Institution：HarbinInstituteofTechnology万方数据哈尔滨工业大学工程硕士学位论文摘要行人检测广泛应用于智能机器人和智能交通等领域，近年来成为了计算机视觉和模式识别的一大研究热点。行人检测面临着诸

4、多挑战，主要是算法的实时性和鲁棒性要求。相比于广泛使用的HOG特征，CENTRIST（Censustransformhistogram）特征描述了物体的关键轮廓（Criticalcontour）信息，更加适合于行人检测，结合级联分类器（Cascadedclassifiers），构造的行人检测算法（简称C4算法）在检测速度和检测精度上更有优势。本文对C4算法进行并行化改进，在NVIDIAGPU平台上利用CUDA架构对算法加速。在本文的并行行人检测框架中，首先将原始的彩色图像转化为灰度图像，然后对该图像逐级

5、缩放，从而构建图像金字塔。接着采用Sobel算子对图像进行滤波处理从而构建Sobel图像。随后通过计算Sobel图像每个像素的CT值构建CT图像。缩放图像、Sobel图像和CT图像的计算都是通过GPU并行实现的，相比于原始的串行实现，达到了几十倍的加速。在检测阶段，采用线性SVM检测行人，通过构建辅助图像，并计算该辅助图像的积分图像，借助积分图像就能方便地得到线性SVM对行人的分类结果。线性SVM对行人的分类精度较低，而HIKSVM对行人的分类更精确，因此要结合HIKSVM对行人进一步检测。检测时采用并

6、行求和的方式将CENTRIST特征索引到的HIKSVM数据进行求和就得到了最终的分类结果。检测阶段的并行实现相比于串行实现加速了十几倍。在算法的并行实现中，采用存储器访问优化、数据传输优化和控制流优化等优化方法来提高并行算法的性能。实验结果表明本文实现的并行C4算法检测速度达到了108fps，比国际上现有的最快并行算法还要快10fps。在保证精度不丢失的前提下，相比于串行实现算法快了17倍。另外，本文实现的并行C4算法是一个通用算法，可以推广到对动物、植物和其他物体的快速检测。关键词：行人检测；CENT

7、RIST特征；GPU；CUDA；实时性I万方数据哈尔滨工业大学工程硕士学位论文AbstractPedestriandetectioniswidelyusedinsmartrobotsandintelligenttransportation.Inrecentyears,thetechnologyhasbecomeahotstudyincomputervisionandpatternrecognition.Therearemanychallengesinpedestriandetectionalgorith

8、m,includingreal-timeandrobustnessrequirements.TheCENTRISTfeaturewhichdescribesthecriticalcontourinformationfortheobjectismoresuitableforpedestriandetectionthanthewidelyusedHOGfeatures.Thepedestriandetectionalgorithm(C4algo