论文部分内容阅读
并行计算做为一种能够提高应用程序执行效率的方法，成为解决计算海量数据的一种最有效的方法。本文基于CUDA(Compute Unified Device Architecture)并行处理平台，对人脸形状识别算法Shape Context的串行算法进行了研究，并在CUDA平台中分别研究了其高效并行处理技术和并行算法。在人脸识别的诸多算法中，Shape Context是一种高效的基于形状特征的识别方法。
本文在研究Shape Context形状特征算法的基础上，将传统的Shape Context形状特征串行算法进行改进，并针对CUDA平台多处理器流水线特性，使算法适合CUDA平台。针对算法中最为耗时的部分：⑴计算极坐标直方图统计；⑵计算Cost矩阵，在CUDA平台上对串行算法进行并行化，使其达到最大的计算效率，使Shape Context形状识别算法能够在CUDA并行平台下较大程度的满足对于人脸识别海量数据的实时处理需求。