基于GPU高性能計算的人臉表情識別算法的研究.pdf

1、在數(shù)字圖像處理領(lǐng)域，隨著研究內(nèi)容和算法復雜度的不斷增加，時間和資源的消耗越來越大，這為該領(lǐng)域深入研究帶來了巨大挑戰(zhàn)，圖形處理器(GPU)的高速發(fā)展使其能為圖形處理以外的通用計算提供了良好的平臺。NVIDIA公司發(fā)行的統(tǒng)一計算設備架構(gòu)(CUDA)能有效利用GPU強勁的處理能力和巨大的存儲器帶寬進行圖形渲染以外的計算，被廣泛用于現(xiàn)代科學技術(shù)的各個領(lǐng)域。另一方面，人臉識別是模式識別和圖像處理領(lǐng)域最前沿的研究課題之一，尤其是人臉表情識別這個領(lǐng)域

2、，由于人臉表情非常復雜，計算機識別并不容易，所以本文采用了一種統(tǒng)計的方法來進行識別，該方法數(shù)據(jù)密集，計算量大，重復性高，具有典型的并行計算的特點，所以本文提出了基于GPU高性能平臺的人臉表情識別算法研究和優(yōu)化方法。
　　 本文詳細分析了GPU架構(gòu)和CUDA的相關(guān)理論知識，對數(shù)字圖像的并行化進行了研究分析，通過基于GPU的圖像二值化算法實驗證明了GPU在數(shù)字圖像并行化研究方面有很明顯的優(yōu)勢。設計了GPU的通用計算方法和CUDA架構(gòu)

3、對人臉表情識別問題的高性能計算方案，基于具有216個流處理器的GTX260+的GPU對人臉表情識別方法進行并行化實現(xiàn)，在與原CPU算法計算結(jié)果精度一致的條件下，利用GPU并行實現(xiàn)效率可提高220倍，實驗結(jié)果表明基于GPU的高性能計算在人臉表情識別處理方面是非常有效的，可以顯著提高計算效率。對GPU共享內(nèi)存和紋理內(nèi)存同步塊內(nèi)線程技術(shù)進行研究，相對于全局內(nèi)存而言，紋理內(nèi)存的存儲容量大，能充分滿足存儲人臉數(shù)據(jù)的要求，位于GPU片內(nèi)的共享內(nèi)存線