[发明专利]一种基于GPU加速的Haar检测方法

说明书

本发明公开了一种基于GPU加速的Haar检测方法，其特征在于，包括以下步骤：（1）系统初始化，CPU将所有放大系数下的扫描窗口、特征框信息以及分类器参数数据，传输并保存至GPU设备上；（2）按照图像矩阵的列数依次设置线程数并调用两次核函数，进行两次矩阵转置，得到图片的积分图和平方积分图；（3）将扫描窗口和特征矩形框排列在GPU全局内存中，进行haar算法检测；（4）将通过所有强分类器的扫描窗口进行矩形框合并，得到待检测结果。本发明在数据的准备方式、积分图的快速计算和分阶段针对性地实现Haar检测三个方面对现有haar算法进行了改进，使得haar算法的实现速度得到了极大的提升，实用价值得到了更充分的体现，具有很高的实用价值和推广价值。

技术领域

本发明涉及一种Haar检测方法，具体地说，是涉及一种基于GPU加速的Haar检测方法。

背景技术

Haar(哈尔)方法是一种利用Haar特征和级联分类器通过训练在图像上进行感兴趣物体检测的方法。Haar检测算法由于性能优异，被广泛应用，但是，其数据结构复杂，计算量大，实现速度较慢，无法满足快速检测的实际要求。

发明内容

本发明的目的在于提供一种一种基于GPU加速的Haar检测方法，解决现有技术中存在的haar算法实现速度慢、无法满足实际需求的问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于GPU加速的Haar检测方法，包括以下步骤：

（1）系统初始化，CPU将所有放大系数下的扫描窗口、特征框信息以及分类器参数数据，传输并保存至GPU设备上；

（2）按照图像矩阵的列数依次设置线程数并调用两次核函数，进行两次矩阵转置，得到图片的积分图和平方积分图；

（3）将扫描窗口和特征矩形框排列在GPU全局内存中，进行haar算法检测；

（4）将通过所有强分类器的扫描窗口进行矩形框合并，得到待检测结果。

进一步地，所述步骤（2）的具体方法如下：

首先，按照图像矩阵的列数依次设置线程数，调用核函数，依次纵向进行当前行和下一行的计算，然后进行矩阵转置；

然后，按照转置后的矩阵列数设置线程数，调用核函数，依次再进行当前行和下一行的计算，再进行矩阵转置，得到的矩阵即为所需要的积分图；

最后，采用同样的方式计算相应的平方积分图。

再进一步地，所述步骤（3）具体为：

a.配置GPU的网格数和块数,所有扫描窗口依次经过级联分类器的每一个强分类器，在经过级联分类器的至少前三个强分类器时，采用一个线程处理一个扫描窗口的并行方式进行计算，且每个线程中每个扫描窗口遍历当前强分类器的所有弱分类器，得到积分图特征值；

b.将积分图特征值与对应弱分类器阈值比较得到分值，各个弱分类器的分值累加的最终结果与对应强分类器的阈值比较，判断当前扫描窗口是否通过当前强分类器；

c.在扫描窗口经过级联分类器的至少后三个强分类器时，采用一个block计算一个扫描窗口，同一block内部的各个线程负责当前扫描窗口经过不同弱分类器的计算。

优选地，在所述步骤（3）中，下一级线程数由通过上一级强分类器的扫描窗口数目决定。

优选地，在扫描窗口经过所述步骤b与c之间的强分类器时，只需要调用一次核函数。

与现有技术相比，本发明具有以下有益效果：