專利名稱：基于cuda并行計算及wcf架構(gòu)的人體檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于CUDA并行計算及WCF分布式架構(gòu)的視頻監(jiān)控人體檢測的方法，屬于智能計算機視覺及模式識別和圖像處理領(lǐng)域。
背景技術(shù)：
無論是在計算機視覺研究領(lǐng)域或智能視頻監(jiān)控的應(yīng)用領(lǐng)域，人體檢測一直是一個熱點的研究課題，是計算機視覺、模式識別、機器學習、圖像處理、人工智能等多個學科交叉的產(chǎn)物，是人體行為分析、危險預(yù)警等應(yīng)用的基礎(chǔ)。人體檢測在多個領(lǐng)域都有廣泛的應(yīng)用，在室外及道路環(huán)境下，人是道路交通的主要參與者，對人體的檢測定位可有效地應(yīng)用于汽車安全輔助駕駛領(lǐng)域，及時警告駕駛員可能與車輛附近的行人發(fā)生碰撞。在室內(nèi)監(jiān)控安防領(lǐng)域，對人體的定位和監(jiān)控可以有效的防止異常情況的發(fā)生，對可能出現(xiàn)的違法情況產(chǎn)生預(yù)警，對疑難案件的偵破提供有力的支持。 然而由于光照、行人自身姿態(tài)的變化、遮擋等因素，造成了人體檢測是一個非常困難的問題，目前有很多方法用于行人檢測，如基于運動物體檢測和模板匹配的方法、基于Haar特征的方法、基于HoG特征的方法等，其中目前廣泛使用的基于運動物體檢測的方法受光照的影響較大，攝像頭不可移動，且人體姿態(tài)各異導(dǎo)致建模困難，無法達到良好的檢測效果；基于Haar特征的方法成功運用于人臉檢測，并擁有較高的檢測率和檢測速度。但Haar特征是一種基于灰度分布的區(qū)域特征，人體不同于人臉，由于衣著的影響，在灰度分布上沒有明顯特征。基于HoG特征的方法描述了局部圖像的梯度強度和梯度方向的分布，對人體的外觀有很好的表征，采用SVM分類器訓(xùn)練分類，經(jīng)證明能取得較好的檢測效果，但特征維數(shù)太高，計算復(fù)雜，造成了應(yīng)用困難。在此情況下，研究創(chuàng)新的基于HoG特征的人體檢測加速算法，突破其實時性瓶頸，具有極大的商用價值。研究成果可應(yīng)用于智能交通監(jiān)控、輔助駕駛和室內(nèi)監(jiān)控等多個領(lǐng)域。在此發(fā)明以前，基于視覺的人體檢測系統(tǒng)通常采用單一計算機，基于CPU的方式進行開發(fā)，基于運動物體檢測和模板匹配等方法，雖然降低了系統(tǒng)開發(fā)的難度，但也大大限制了其應(yīng)用場景。2007年，NVIDIA推出了 CUDA (統(tǒng)一計算設(shè)備架構(gòu))。在CUDA架構(gòu)中，GPU(圖形處理器)成為了數(shù)據(jù)并行計算的硬件設(shè)備，取代了 CPU的部分功能，實現(xiàn)了 CPU+GPU異構(gòu)編程。GPU擁有遠超過CPU的核心數(shù)量和并行計算能力，對通用計算的加速效果非常明顯。將基于HoG特征的人體檢測過程轉(zhuǎn)移到GPU運行，可以大大增加系統(tǒng)的運行速度，使這一項技術(shù)的應(yīng)用成為可能。然而CUDA架構(gòu)需要NVIDIA顯卡的支持，如果采用單一計算機的模式，會大大增加終端的成本，在這種情況下，分布式架構(gòu)是一個很好的選擇，這樣能夠?qū)⑷炕蛘咧饕挠嬎阈枨髲囊曨l采集的設(shè)備端轉(zhuǎn)移到服務(wù)器端，降低了設(shè)備端的性能要求，同時也實現(xiàn)了遠程識別，便于管理和維護以及數(shù)據(jù)的統(tǒng)計和分析
發(fā)明內(nèi)容
本發(fā)明目的就在于克服上述問題，提出一種基于CUDA并行計算及WCF架構(gòu)的人體檢測方法，使得在該架構(gòu)下開發(fā)基于HoG特征的人體檢測系統(tǒng)具有良好的實時性、兼容性及可擴展性。本發(fā)明采用的技術(shù)方案是一種基于CUDA并行計算及WCF架構(gòu)的人體檢測方法，包括以下步驟
(I)采用CUDA架構(gòu)對基于HoG特征及SVM(支持向量機)分類器的人體檢測算法進行加速，CUDA架構(gòu)對通用計算具有良好的加速效果，并且已經(jīng)在分子動力學、量子化學、生物信息學、計算流體力學、計算機構(gòu)力學等方面得到了廣泛的應(yīng)用和驗證。借助CUDA架構(gòu)，可以將在傳統(tǒng)CPU上運行的人體檢測算法轉(zhuǎn)移到GPU運行，利用GPU的多核心、高帶寬、高浮點計算能力等特性，實現(xiàn)一個數(shù)量級以上的算法加速，從而解決制約人體檢測系統(tǒng)開發(fā)最大的制約-實時性問題，使得人體檢測技術(shù)可以在所有提供CUDA支持的終端運行。 (2) WCF架構(gòu)是進行分布式計算的有效方式，并被證實效率僅次于分布式過程調(diào)用。在本發(fā)明中，采用WCF架構(gòu)，將單一終端的結(jié)構(gòu)轉(zhuǎn)化為終端與服務(wù)器的云狀結(jié)構(gòu)，終端只負責視頻數(shù)據(jù)的采集，數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)椒?wù)器進行處理和分析。為了減少網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)难訒r，采用了 MPEG-4的視頻壓縮算法，減少數(shù)據(jù)傳輸?shù)娜哂?，提高傳輸速度，?jié)省帶寬。(3)采用WCF架構(gòu)之后，人體檢測系統(tǒng)的檢測過程將在客戶端和服務(wù)器兩部分進行，本發(fā)明中采用了流水線的結(jié)構(gòu)，將系統(tǒng)的時間利用率最大化，當服務(wù)器處理一幀數(shù)據(jù)的同時，客戶端可以對下一幀數(shù)據(jù)進行壓縮和傳輸，兩者流水線合作，降低時間開銷。本發(fā)明的有益效果
I.采用CUDA架構(gòu)，提升了人體檢測算法的運行速度近20倍，使得在CPU架構(gòu)下無法滿足實時性的人體檢測算法提速，達到并超過實時性的要求，使得系統(tǒng)集成和應(yīng)用成為可倉泛。2.使用WCF架構(gòu)，將數(shù)據(jù)的采集和處理過程分離，大大降低了對于終端的硬件要求，提升了系統(tǒng)的兼容性和可擴展性，可適應(yīng)嵌入式攝像頭、PC監(jiān)控終端、移動監(jiān)控終端等各種復(fù)雜情況，在服務(wù)端采用NVIDIA GPU服務(wù)器或服務(wù)器集群，便于管理和維護。3.采用MPEG-4視頻壓縮，通過網(wǎng)絡(luò)傳輸數(shù)據(jù)，并在終端完成計算。通過初步處理視頻，減少冗余數(shù)據(jù)傳輸?shù)姆绞教岣呔W(wǎng)絡(luò)傳輸?shù)男阅懿⒐?jié)省帶寬。4.提出流水線的處理流程，將客戶端和服務(wù)端的處理過程并行，大大增加了系統(tǒng)資源的利用率，減少了時間開銷。


圖I為HoG特征提取流程 圖2為傳統(tǒng)的人體檢測算法流程；
圖3為基于GPU的人體檢測算法流程；
圖4為在各分辨率下CUDA加速的效果；
圖5為基于WCF的分布式網(wǎng)絡(luò)架構(gòu)；
圖6為基于網(wǎng)絡(luò)傳輸?shù)娜梭w檢測算法結(jié)構(gòu)；
圖7為流水線并行的系統(tǒng)架構(gòu)；圖8為采用流水線并行的加速效果。
具體實施例方式下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步說明
一、使用CUDA對基于HoG特征及SVM分類器的人體檢測算法加速 I. I基于HoG特征及SVM分類器的人體檢測算法
HoG特征描述了圖像局部像素區(qū)域的梯度強度和梯度方向的分布，用來表征人體的外觀和形狀。其提取流程如圖I所示。對于每個像素點的梯度定義如下
權(quán)利要求
1.一種基于CUDA并行計算及WCF架構(gòu)的人體檢測方法，其特征在于包括以下步驟 (1)采用CUDA架構(gòu)進行基于計算機視覺的視頻監(jiān)控人體檢測系統(tǒng)開發(fā)，利用GPU圖形處理器的并行計算能力，對基于HoG特征及SVM分類器的人體檢測算法并行加速； (2)采用WCF架構(gòu)進行分布式計算，將視頻數(shù)據(jù)采集與數(shù)據(jù)分析處理分別在監(jiān)控終端與GPU服務(wù)器進行； (3)采用流水線架構(gòu)優(yōu)化系統(tǒng)實現(xiàn)流程，將監(jiān)控終端與GPU服務(wù)器的工作并發(fā)處理，減少時間開銷，優(yōu)化系統(tǒng)資源配置。
2.根據(jù)權(quán)利要求I所述的一種基于CUDA并行計算及WCF架構(gòu)的人體檢測方法，其特征在于所述步驟(2)中對視頻數(shù)據(jù)采用MPEG-4的壓縮傳輸以減少帶寬需求。
全文摘要
本發(fā)明公開了一種基于CUDA并行計算及WCF架構(gòu)的人體檢測方法，包括以下步驟采用CUDA架構(gòu)進行基于計算機視覺的視頻監(jiān)控人體檢測系統(tǒng)開發(fā)，利用GPU圖形處理器的并行計算能力，對基于HoG特征及SVM分類器的人體檢測算法并行加速；采用WCF架構(gòu)進行分布式計算，將視頻數(shù)據(jù)采集與數(shù)據(jù)分析處理分別在監(jiān)控終端與GPU服務(wù)器進行；采用流水線架構(gòu)優(yōu)化系統(tǒng)實現(xiàn)流程，將監(jiān)控終端與GPU服務(wù)器的工作并發(fā)處理，減少時間開銷，優(yōu)化系統(tǒng)資源配置。本發(fā)明使得在該架構(gòu)下開發(fā)基于HoG特征的人體檢測系統(tǒng)具有良好的實時性、兼容性及可擴展性。
文檔編號G06K9/00GK102760053SQ20121020566
公開日2012年10月31日 申請日期2012年6月20日 優(yōu)先權(quán)日2012年6月20日
發(fā)明者周曉陽, 鄭文明 申請人:東南大學