[发明专利]一种基于GPU加速的Haar检测方法

摘要

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。

主权项

1.一种基于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）将扫描窗口和特征框排列在GPU全局内存中，进行haar算法检测，具体如下：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；（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。