基于GPU加速的行人检测研究,从检测准确度和检测时间两个方面进行研究,首先对目标检测、GPU并行计算的原理进行介绍,接着对混合高斯模型背景建模算法做GPU并行操作,并且提出了一种改进特征的行人检测算法,最终实现GPU加速的行人检测。从背景建模、特征提取两个方面对行人检测进行研究,本文的主要工作和创新点如下:(1)针对背景建模的耗时问题,设计并实现高斯背景建模的行人检测算法,且利用GPU实现检测算法的加速。对GMM算法进行像素点线程分配,将背景建模的模型初始化、像素点判断、模型更新以及排序等过程在GPU空间内实现,背景建模的数据读取与输出在CPU内实验。实验表明,算法能够有效实现行人检测,并且提高检测效率,具有实际意义。(2)本文提出一种改进特征与GPU加速的行人检测算法。首先,通过Canny算子对所有样本预处理,弱化背景噪声与归一化带来的形变影响。然后,针对实际视频中的遮挡问题,把图像分成:头部、左臂、上身、右臂、左腿、右腿六个区域。接着选取比LBP特征鲁棒性更好的SILTP特征作为纹理特征,在GPU空间中并行提取;同时分别提取六个区域的HOG特征,结合行人轮廓在六个区域上的梯度方向分布特性,进行加权。最后,把所有得到的特征输出到CPU空间,利用SVM分类器来实现行人检测。实验表明,改进特征对环境变化、遮挡有良好的鲁棒性,在检测准确度、时间方面都有所改善,能高效、快速地实现行人检测。