基于HOG特征和可形變模型的目標(biāo)檢測和GPU實(shí)現(xiàn)

基于計(jì)算機(jī)視覺并使用攝像機(jī)進(jìn)行目標(biāo)檢測是無人駕駛車輛必不可少的一部分。各種各樣的組合模型被用到目標(biāo)檢測中以提高目標(biāo)檢測的性能和速度。采用一種常見的組合方法即使用梯度方向直方圖（HOG）和可形變模型來檢測車輛。當(dāng)處理過程中引入一個與現(xiàn)實(shí)世界相關(guān)的實(shí)時約束時，該方法的計(jì)算成本將急劇增加。對此，提出一種實(shí)現(xiàn)技術(shù)，使用圖形處理單元（GPU）基于HOG特征和可形變模型使計(jì)算過程加速，且對硬件的實(shí)現(xiàn)也做出了詳細(xì)說明。

首先對所提出的新技術(shù)做出假設(shè)：①假設(shè)系統(tǒng)由一個多線程中央處理器（CPU）和一個GPU組成，兩者通過PCle總線協(xié)議進(jìn)行通信；②輸入圖像格式設(shè)定為JPEG格式；③不考慮計(jì)算系統(tǒng)的協(xié)調(diào)和輸入/輸出設(shè)備，且使用多GPU的情況同樣也不考慮。之后對基于HOG的目標(biāo)檢測和GPU實(shí)現(xiàn)進(jìn)行了分析。通過圖像的HOG特征表示圖像，使用統(tǒng)一設(shè)備架構(gòu)對GPU編程，其可以通過并行計(jì)算提高大規(guī)模運(yùn)算的速度。整個目標(biāo)檢測過程為：①輸入圖像；②輸入預(yù)定義目標(biāo)模型；③計(jì)算所有輸入圖像的HOG特征，也稱為HOG金字塔；④計(jì)算每一組根濾波器和組件濾波器的相似性值；⑤計(jì)算相似性值的總和；⑥根據(jù)計(jì)算結(jié)果對目標(biāo)進(jìn)行識別；⑦輸出識別結(jié)果。再之后對提出的技術(shù)與傳統(tǒng)的CPU實(shí)現(xiàn)方法進(jìn)行對比。仿真分析了使用單核CPU、多核CPU和大規(guī)模并行GPU這3種目標(biāo)檢測程序下的性能。將預(yù)先選好的10幅道路圖像作為輸入，將對這些圖像中車輛進(jìn)行目標(biāo)檢測的平均執(zhí)行時間作為主要性能指標(biāo)。仿真結(jié)果表明：使用基于HOG特征和可形變模型的GPU比傳統(tǒng)的使用CPU的方法計(jì)算速度提升了3～5倍。但在實(shí)際使用中需要輸入攝像機(jī)捕獲的道路圖像，而文中未對將道路圖像傳輸?shù)紾PU的過程進(jìn)行討論，這部分還需要進(jìn)行優(yōu)化。

ManatoHirabayashietal. 2013 IEEE 1st International Conference on Cyber-PhysicalSystems，Networks，and Applications，Taipei-Aug. 19-20，2013.

編譯：王亮