基于云平台下嵌入GPU并行计算框架的人脸检测系统研究

发布时间：2020-11-12 02:42

　　 随着信息社会的来临,信息数据规模在飞速增长，对数据处理进行加速已经成为了必然趋势。作为人脸信息剖析的起点,人脸检测是定位数字图像中人脸的位置和信息,是目标检测中的一项重要的应用。然而使用传统的的人脸检测技术在处理海量数据时暴露出存储困难和计算速度慢的缺点,针对这种情况,本文提出了基于新兴的云计算及GPU技术来解决这些问题的方案,能大幅度提高海量图片的人脸检测过程的速度,可以快速得到海量图片的人脸信息,进而有效的分析图片中的信息,为信息统计及人脸快速匹配等研究做出重要贡献。Hadoop是一个可以让用户轻松架构和使用的分布式云计算平台。用户能够方便的在Hadoop上开发和运行处理海量数据的应用程序。Hadoop作为云计算平台具备高可靠性、高扩展性、高效性、高容错性、低成本性等很多优势,本文将使用Hadoop作为云计算平台。随着物理硬件的进一步发展,GPU并行计算已经是当前研究的热门问题。GPU作为多核处理器,计算能力已经达到CPU的10倍甚至几十倍。CUDA是一种由NVIDIA公司推出的通用并行计算架构,使用该架构可以处理复杂的计算问题。所编写的程序可以在支持CUDA的处理器上以超高性能运行。为了提高海量图片人脸检测的计算效率和并行度,将Hadoop和GPU进行联合,已经成为了一种很好的解决方案。本文致力于利用Hadoop和GPU实现人脸检测的加速处理,完成的工作主要有：1、分析Hadoop中MapReduce的现有机制,并结合我们的实验环境和可行性,将GPU合理的嵌入到MapReduce中,构建云平台集成嵌入GPU并行计算框架。该方法不仅对处理人脸检测有效,对其他的可以使用CUDA进行加速的图像处理都有效,具有很强的适用性。2、Hadoop的输入输出针对的大多是文本,将图片数据引入到Hadoop中,需要解决自定义输入输出格式、图片存储和人脸信息存储等问题。3、使用GPU加速人脸检测算法,需要相应的软硬件的配合,实验的环境比较复杂,需要在linux上搭建相应的环境。4、对比不同模式下对同一个检测集的检测率和误检率：对比单张同幅不同尺度的图片在分别使用OPKNCV处理、纯粹CPU处理及使用GPU加速处理之后人脸检测的速率；对比大数据量图片使用单机检测和使用Hadoop进行分布式计算下的OPENCV处理、纯粹CPU处理和GPU加速处理之后的人脸检测的速率；通过上述对比显示出基于云平台下嵌入GPU并行计算框架的人脸检测系统的优势。
【学位单位】：中国海洋大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：TP391.41
【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究的背景和意义
    1.2 人脸检测评价标准
    1.3 Hadoop与GPU结合研究现状
    1.4 GPU及高性能并行计算技术发展现状
    1.5 人脸检测技术的发展现状
    1.6 本文主要工作及贡献
    1.7 本文组织结构
2 系统相关关键技术介绍
    2.1 Hadoop简介
    2.2 GPU编程架构CUDA
    2.3 OPENCV图像处理库
    2.4 Adaboost人脸检测算法
    2.5 本章小结
3 基于云平台下嵌入GPU并行计算框架人脸检测系统的实现
    3.1 云平台架构及物理参数
    3.2 云平台下嵌入GPU并行计算框架设计
    3.3 Adaboost人脸检测算法GPU并行计算改造
        3.3.1 积分图计算并行加速改造
        3.3.2 级联分类器检测待检窗口的并行计算改造
    3.4 构造基于云平台下嵌入GPU并行计算框架的人脸检测系统
        3.4.1 在Hadoop中引入自定义的图片数据类型
        3.4.2 自定义处理图片数据的Hadoop InputFormat
        3.4.3 在Hadoop-GPU框架中实现人脸检测
    3.5 本章小结
4 系统优化
    4.1 引入内存图片数据编解码功能
    4.2 引入新的待检测图片数据处理模式
    4.3 本章小结
5 实验结果对比与分析
    5.1 系统检测精度结果与分析
    5.2 系统检测速率结果与分析
    5.3 系统优化前后检测速率结果与分析
    5.4 本章小结
6 总结和展望
参考文献
附录
    A：Hadoop中引用Cuda并行运算的环境配置方案
    B：Hadoop中加入JNI调用
    C：Linux下Opencv的安装及配置使用
致谢
个人简历

【相似文献】

相关期刊论文 前10条

1 孙广中;陈国良;徐云;郑启龙;吴俊敏;;并行计算系列课程教学团队建设[J];中国大学教学;2008年02期

2 孙广中;徐云;郑启龙;吴俊敏;陈国良;;并行计算系列课程教学团队建设[J];计算机教育;2008年15期

3 陆克中;孙宏元;;同构集群中并行计算熵研究[J];深圳大学学报(理工版);2009年01期

4 胡霞;;并行计算如何用于科学问题研究[J];科技资讯;2009年27期

5 颜宝勇;快速富里叶变换的并行计算[J];计算机工程与科学;1984年03期

6 吴靖;;一种用于基因序列比较的并行计算方法[J];国外医学.生物医学工程分册;1992年01期

7 李斌;并行计算用的计算机和模型[J];管理科学文摘;1996年04期

8 魏臻;;高性能计算,高兴能计算[J];中国教育网络;2010年06期

9 刘杰,迟利华,胡庆丰;优化并行计算的性能评价[J];计算机工程与设计;2000年06期

10 刘赫男,罗霄,高晓东;并行计算的现状与发展[J];煤;2001年01期

相关博士学位论文 前10条

1 张雨新;改进的MPS方法及其三维并行计算研究[D];上海交通大学;2014年

2 孙安香;数值气象预报变分同化的伴随模式并行计算[D];中国人民解放军国防科学技术大学;2002年

3 张理论;面向气象预报数值模式的高效并行计算研究[D];中国人民解放军国防科学技术大学;2002年

4 龙柏;并行计算平台上的数据索引技术研究[D];中国科学技术大学;2011年

5 管建和;电磁场有限元法解释分布式并行计算的研究[D];中国地质大学（北京）;2006年

6 刘耀儒;三维有限元并行计算及其在水利工程中的应用[D];清华大学;2003年

7 金晶;并行计算普适编程模型及系统架构研究[D];北京邮电大学;2012年

8 盛艳秀;多核异构环境下通用并行计算框架关键技术研究[D];中国海洋大学;2013年

9 张帆;过程系统优化的分布式并行计算[D];浙江大学;2002年

10 刘寿生;虚拟现实仿真平台异构并行计算关键技术研究[D];中国海洋大学;2014年

相关硕士学位论文 前10条

1 张康宇;基于ASAR近海风场反演方法研究[D];浙江大学;2015年

2 胡荣华;并行计算在临近天气预报系统中的应用研究[D];华南理工大学;2015年

3 严善楷;异构系统中并行计算的动态负载均衡技术研究[D];华南理工大学;2015年

4 陈磊;基于监控信号的多信息提取识别的并行计算方法[D];南京理工大学;2015年

5 焦弘杰;CPU-GPU异构并行计算体系的设计与实现[D];江苏科技大学;2015年

6 陈从江;基于面向云服务的Python并行计算的研究[D];电子科技大学;2014年

7 唐吉卓;基于GPU平台的SVD并行计算研究与实现[D];电子科技大学;2014年

8 吴颀;GPU并行计算及其在飞行器设计中的应用[D];北京理工大学;2015年

9 李保安;基于液态食品冷冻浓缩冰晶生长机制并行计算[D];电子科技大学;2013年

10 钟承群;基于CPU/GPU异构并行计算的OTN仿真验证系统的研究与实现[D];电子科技大学;2015年

本文编号：2880125