基于图形处理器的可变形部件模型算法的并行化

doi:10.11772/j.issn.1001-9081.2015.11.3075

计算机应用 ›› 2015, Vol. 35 ›› Issue (11): 3075-3078.DOI: 10.11772/j.issn.1001-9081.2015.11.3075

• 2015年全国开放式分布与并行计算学术年会(DPCS 2015)论文 • 上一篇下一篇

基于图形处理器的可变形部件模型算法的并行化

刘宝平¹, 陈庆奎^1,2, 李金静¹, 刘伯成^1,2

1. 上海理工大学光电信息与计算机工程学院, 上海 200093;
2. 上海理工大学管理学院, 上海 200093

收稿日期:2015-06-17 修回日期:2015-07-20 发布日期:2015-11-13
通讯作者: 刘宝平(1990-),男,山东临沂人,硕士研究生,主要研究方向:并行计算、模式识别.
作者简介:陈庆奎(1966-),男,上海人,教授,博士生导师,博士,CCF高级会员,主要研究方向:网络计算、并行计算、物联网; 李金静(1988-),女,山东滨州人,硕士研究生,主要研究方向:并行计算、模式识别; 刘伯成(1982-),男,福建福州人,博士研究生,主要研究方向:高性能计算、异构集群调度算法.
基金资助:
国家自然科学基金资助项目(60970012);高等学校博士学科点专项科研博导基金资助项目(20113120110008);上海重点科技攻关项目(14511107902);上海市工程中心建设项目(GCZX14014);上海智能家居大规模物联共性技术工程中心项目(GCZX14014);上海市一流学科建设项目(XTKX2012);沪江基金研究基地专项(C14001).

Parallelization of deformable part model algorithm based on graphics processing unit

LIU Baoping¹, CHEN Qingkui^1,2, LI Jinjing¹, LIU Bocheng^1,2

1. College of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China;
2. College of Management, University of Shanghai for Science and Technology, Shanghai 200093, China

Received:2015-06-17 Revised:2015-07-20 Published:2015-11-13

摘要/Abstract

摘要： 目前目标识别领域,在人体检测中精确度最高的算法就是可变形部件模型(DPM)算法,针对DPM算法计算量大的缺点,提出了一种基于图形处理器(GPU)的并行化解决方法.采用GPU编程模型OpenCL,对DPM算法的整个算法的实现细节采用了并行化的思想进行重新设计实现,优化算法实现的内存模型和线程分配.通过对OpenCV库和采用GPU重新实现的程序进行对比,在保证了检测效果的前提下,使得算法的执行效率有了近8倍的提高.

关键词: 可变形部件模型, 图形处理器, OpenCL, 人体检测

Abstract: At present, in the field of target recognition, the highest accuracy algorithm is the Deformable Part Model (DPM) for human detection. Aiming at the disadvantage of large amount of calculation, a parallel solution method based on Graphics Processing Unit (GPU) was proposed. In this paper, with the GPU programming model of OpenCL, the details of the whole DPM algorithm were implemented by the parallel methods,and optimization of the memory model and threads allocation was made. Through the comparison of the OpenCV library and the GPU implementation, under the premise of ensuring the detection effect, the execution efficiency of the algorithm was increased by nearly 8 times.

Key words: Deformable Part Model (DPM), Graphics Processing Unit (GPU), OpenCL, human detection

中图分类号:

TP319

刘宝平, 陈庆奎, 李金静, 刘伯成. 基于图形处理器的可变形部件模型算法的并行化[J]. 计算机应用, 2015, 35(11): 3075-3078.

LIU Baoping, CHEN Qingkui, LI Jinjing, LIU Bocheng. Parallelization of deformable part model algorithm based on graphics processing unit[J]. Journal of Computer Applications, 2015, 35(11): 3075-3078.

参考文献

[1] FELZENSZWALB P F, GIRSHICK R B, MCALLESTE D, et al. Object detection with discriminatively trained part-based models [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(9):1627-1645.
[2] GADESKI E, FARD H O, BORGNE H L. GPU deformable part model for object recognition[J]. Journal of Real-Time Image Processing, 2014:1-13.
[3] DALAL N, TRIGG B. Histograms of oriented gradients for human detection[C]// Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2005, 1: 886-893.
[4] CHEN Y, LI S, LIN X. Fast hog computation based on CUDA [C]// Proceedings of the 2011 IEEE International Conference on Computer Science and Automation Engineering. Piscataway: IEEE, 2011, 4: 748-751.
[5] PEDERSOLI M, VEDALDI A, CONZALEZ J. A coarse-to-fine approach for fast deformable object detection[C]// Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2011: 1353-1360.
[6] HIRABAYASHI M, KATO S, EDAHIRO M, et al. GPU implementations of object detection using HOG features and deformable models[C]// Proceedings of the 2013 IEEE 1st International Conference on Cyber-Physical Systems, Networks, and Applications. Piscataway: IEEE, 2013: 106-111.
[7] AMIT Y, KONG A. Graphical templates for model registration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996, 18(3): 225-236.
[8] XIONG C, WANG W. Research on pedestrian detection based on DPM [J]. Electronic Design Engineering,2014(23):1-2.(熊聪,王文武. 基于DPM模型的行人检测技术的研究[J].电子设计工程, 2014(23):1-2.)
[9] YIN X. Face detection method based on deformable part-based model[D].Xi'an:Xidian University, 2012: 17-32.(尹雪聪.基于可变形部件模型的人脸检测方法研究[D].西安:西安电子科技大学,2012: 17-32.)
[10] MUNSHI A, GASTER B R, MATTSON T G, et al. OpenCL programming guide[M]. SHU J, LI H, YANG J, translated. Beijing: China Machine Press, 2013:110-130.(MUNSHI A, GASTER B R, MATTSON T G, et al. OpenCL编程指南[M]. 苏金国, 李璜, 杨健康, 译. 北京:机械工业出版社,2013:110-130.)
[11] WILT N. CUDA handbook: a comprehensive guide to GPU Pr[M]. SHU T, MA P, LIU S, translated. Beijing: China Machine Press, 2014:148-159.

[1]	解文博, 韦永壮, 刘争红. 基于CUDA的SKINNY加密算法并行实现与分析[J]. 计算机应用, 2021, 41(4): 1136-1141.
[2]	杨先凤, 贵红军, 傅春常. 统一计算设备架构下的F-X域预测滤波并行算法[J]. 计算机应用, 2021, 41(2): 486-491.
[3]	平凡, 汤小春, 潘彦宇, 李战怀. 不规则任务在图形处理器集群上的调度策略[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3295-3301.
[4]	方书雅, 刘守印. 基于学生人体检测的无感知课堂考勤方法[J]. 计算机应用, 2020, 40(9): 2519-2524.
[5]	何希, 吴炎桃, 邸臻炜, 陈佳. 基于图形处理器的形态学重建系统[J]. 计算机应用, 2019, 39(7): 2008-2013.
[6]	武旭晨, 朴春慧, 蒋学红. 基于GPU并行计算的电动出租车新建充电站选址模型[J]. 计算机应用, 2019, 39(10): 3071-3078.
[7]	柴恩惠, 智敏. 融合分支定界的可变形部件模型的行人检测[J]. 计算机应用, 2017, 37(7): 2003-2007.
[8]	官亚勤, 赵学胜, 王鹏飞, 李大朋. 基于切片原理的海量点云并行简化算法[J]. 计算机应用, 2016, 36(7): 1793-1796.
[9]	龙超, 韩波, 张宇. 基于Kinect和视觉词典的三维SLAM[J]. 计算机应用, 2016, 36(3): 774-778.
[10]	蔡勇, 李胜. Matlab的图形处理器并行计算及其在拓扑优化中的应用[J]. 计算机应用, 2016, 36(3): 628-632.
[11]	张硕, 何发智, 周毅, 鄢小虎. 基于自适应线程束的GPU并行粒子群优化算法[J]. 计算机应用, 2016, 36(12): 3274-3279.
[12]	查珊珊, 王远军, 聂生东. 基于图形处理器加速的医学图像配准技术进展[J]. 计算机应用, 2015, 35(9): 2486-2491.
[13]	董志聪, 黎福海, 刘少雄. 旋转角可变的人体检测算法[J]. 计算机应用, 2015, 35(6): 1785-1790.
[14]	王文博, 殷宏, 解文彬, 王家腾. 基于硬件细分的层次细节地形渲染算法[J]. 计算机应用, 2015, 35(6): 1716-1719.
[15]	吕晓琪张传亭侯贺张宝华. 基于图形处理器加速光线投射算法的多功能体绘制技术[J]. 计算机应用, 2014, 34(1): 135-138.

基于图形处理器的可变形部件模型算法的并行化

Parallelization of deformable part model algorithm based on graphics processing unit

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics