多核平臺下基于CnC的車輛識別算法的并行優(yōu)化.pdf

1、由于車輛數(shù)量的快速增長，交通事故的頻繁發(fā)生，人們對車輛安全的高度關(guān)注，智能交通系統(tǒng)(Intelligent Transportation System)的功能也越來越復(fù)雜，我們面臨計算的數(shù)據(jù)更加復(fù)雜、更加龐大，而對于實時性較高的智能交通系統(tǒng)來說，無非就兩種方法來解決這一問題:一是升級或增加硬件;二是優(yōu)化軟件（算法）。顯然增加硬件勢必會增加成本，本文選擇的是第二種方法，以智能交通系統(tǒng)中的車輛識別算法模塊作為研究切入點，在現(xiàn)有的多核條件下，

2、通過并行優(yōu)化算法提高性能來解決海量數(shù)據(jù)的問題，為未來在嵌入式方向的并行優(yōu)化做鋪墊。
　　本文首先分析和提煉了串行車輛識別算法的執(zhí)行過程，基于車輛統(tǒng)計特征的車輛識別算法主要由兩個處理步驟組成:候選區(qū)域確定(hypothesis generation，HG)階段和車輛驗證(hypothesis verification，HV)階段。在候選區(qū)域確定階段，應(yīng)用基于車輛先驗知識的方法;在車輛認證階段使用基于知識和統(tǒng)計模式識別的方法對前一階段

3、的假說進行驗證。在分析提煉算法的基礎(chǔ)上，本文對串行算法提出了多種并行優(yōu)化的方案，并采用了英特爾CnC(Intel Concurrent Collections for C++)并行語言優(yōu)化了基于車輛統(tǒng)計特征的車輛識別算法。總的來說，本文的主要工作內(nèi)容可分為三大部分:提煉了串行算法過程;分析了算法中的可并行性，并根據(jù)分析結(jié)果，提出了多種并行優(yōu)化方案;根據(jù)優(yōu)化方案，用英特爾的CnC并行語言重構(gòu)車輛識別算法模塊，并對算法進行多種粒度的實驗驗證