隨著信息社會(huì)的來(lái)臨,信息數(shù)據(jù)規(guī)模在飛速增長(zhǎng)，對(duì)數(shù)據(jù)處理進(jìn)行加速已經(jīng)成為了必然趨勢(shì)。作為人臉信息剖析的起點(diǎn),人臉檢測(cè)是定位數(shù)字圖像中人臉的位置和信息,是目標(biāo)檢測(cè)中的一項(xiàng)重要的應(yīng)用。然而使用傳統(tǒng)的的人臉檢測(cè)技術(shù)在處理海量數(shù)據(jù)時(shí)暴露出存儲(chǔ)困難和計(jì)算速度慢的缺點(diǎn),針對(duì)這種情況,本文提出了基于新興的云計(jì)算及GPU技術(shù)來(lái)解決這些問(wèn)題的方案,能大幅度提高海量圖片的人臉檢測(cè)過(guò)程的速度,可以快速得到海量圖片的人臉信息,進(jìn)而有效的分析圖片中的信息,為信息統(tǒng)計(jì)及人臉快速匹配等研究做出重要貢獻(xiàn)。Hadoop是一個(gè)可以讓用戶輕松架構(gòu)和使用的分布式云計(jì)算平臺(tái)。用戶能夠方便的在Hadoop上開(kāi)發(fā)和運(yùn)行處理海量數(shù)據(jù)的應(yīng)用程序。Hadoop作為云計(jì)算平臺(tái)具備高可靠性、高擴(kuò)展性、高效性、高容錯(cuò)性、低成本性等很多優(yōu)勢(shì),本文將使用Hadoop作為云計(jì)算平臺(tái)。隨著物理硬件的進(jìn)一步發(fā)展,GPU并行計(jì)算已經(jīng)是當(dāng)前研究的熱門(mén)問(wèn)題。GPU作為多核處理器,計(jì)算能力已經(jīng)達(dá)到CPU的10倍甚至幾十倍。CUDA是一種由NVIDIA公司推出的通用并行計(jì)算架構(gòu),使用該架構(gòu)可以處理復(fù)雜的計(jì)算問(wèn)題。所編寫(xiě)的程序可以在支持CUDA的處理器上以超高性能運(yùn)行。為了提高海量圖片人臉檢測(cè)的計(jì)算效率和并行度,將Hadoop和GPU進(jìn)行聯(lián)合,已經(jīng)成為了一種很好的解決方案。本文致力于利用Hadoop和GPU實(shí)現(xiàn)人臉檢測(cè)的加速處理,完成的工作主要有：1、分析Hadoop中MapReduce的現(xiàn)有機(jī)制,并結(jié)合我們的實(shí)驗(yàn)環(huán)境和可行性,將GPU合理的嵌入到MapReduce中,構(gòu)建云平臺(tái)集成嵌入GPU并行計(jì)算框架。該方法不僅對(duì)處理人臉檢測(cè)有效,對(duì)其他的可以使用CUDA進(jìn)行加速的圖像處理都有效,具有很強(qiáng)的適用性。2、Hadoop的輸入輸出針對(duì)的大多是文本,將圖片數(shù)據(jù)引入到Hadoop中,需要解決自定義輸入輸出格式、圖片存儲(chǔ)和人臉信息存儲(chǔ)等問(wèn)題。3、使用GPU加速人臉檢測(cè)算法,需要相應(yīng)的軟硬件的配合,實(shí)驗(yàn)的環(huán)境比較復(fù)雜,需要在linux上搭建相應(yīng)的環(huán)境。4、對(duì)比不同模式下對(duì)同一個(gè)檢測(cè)集的檢測(cè)率和誤檢率：對(duì)比單張同幅不同尺度的圖片在分別使用OPKNCV處理、純粹CPU處理及使用GPU加速處理之后人臉檢測(cè)的速率；對(duì)比大數(shù)據(jù)量圖片使用單機(jī)檢測(cè)和使用Hadoop進(jìn)行分布式計(jì)算下的OPENCV處理、純粹CPU處理和GPU加速處理之后的人臉檢測(cè)的速率；通過(guò)上述對(duì)比顯示出基于云平臺(tái)下嵌入GPU并行計(jì)算框架的人臉檢測(cè)系統(tǒng)的優(yōu)勢(shì)。
【學(xué)位單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2015
【中圖分類】：TP391.41
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究的背景和意義
    1.2 人臉檢測(cè)評(píng)價(jià)標(biāo)準(zhǔn)
    1.3 Hadoop與GPU結(jié)合研究現(xiàn)狀
    1.4 GPU及高性能并行計(jì)算技術(shù)發(fā)展現(xiàn)狀
    1.5 人臉檢測(cè)技術(shù)的發(fā)展現(xiàn)狀
    1.6 本文主要工作及貢獻(xiàn)
    1.7 本文組織結(jié)構(gòu)
2 系統(tǒng)相關(guān)關(guān)鍵技術(shù)介紹
    2.1 Hadoop簡(jiǎn)介
    2.2 GPU編程架構(gòu)CUDA
    2.3 OPENCV圖像處理庫(kù)
    2.4 Adaboost人臉檢測(cè)算法
    2.5 本章小結(jié)
3 基于云平臺(tái)下嵌入GPU并行計(jì)算框架人臉檢測(cè)系統(tǒng)的實(shí)現(xiàn)
    3.1 云平臺(tái)架構(gòu)及物理參數(shù)
    3.2 云平臺(tái)下嵌入GPU并行計(jì)算框架設(shè)計(jì)
    3.3 Adaboost人臉檢測(cè)算法GPU并行計(jì)算改造
        3.3.1 積分圖計(jì)算并行加速改造
        3.3.2 級(jí)聯(lián)分類器檢測(cè)待檢窗口的并行計(jì)算改造
    3.4 構(gòu)造基于云平臺(tái)下嵌入GPU并行計(jì)算框架的人臉檢測(cè)系統(tǒng)
        3.4.1 在Hadoop中引入自定義的圖片數(shù)據(jù)類型
        3.4.2 自定義處理圖片數(shù)據(jù)的Hadoop InputFormat
        3.4.3 在Hadoop-GPU框架中實(shí)現(xiàn)人臉檢測(cè)
    3.5 本章小結(jié)
4 系統(tǒng)優(yōu)化
    4.1 引入內(nèi)存圖片數(shù)據(jù)編解碼功能
    4.2 引入新的待檢測(cè)圖片數(shù)據(jù)處理模式
    4.3 本章小結(jié)
5 實(shí)驗(yàn)結(jié)果對(duì)比與分析
    5.1 系統(tǒng)檢測(cè)精度結(jié)果與分析
    5.2 系統(tǒng)檢測(cè)速率結(jié)果與分析
    5.3 系統(tǒng)優(yōu)化前后檢測(cè)速率結(jié)果與分析
    5.4 本章小結(jié)
6 總結(jié)和展望
參考文獻(xiàn)
附錄
    A：Hadoop中引用Cuda并行運(yùn)算的環(huán)境配置方案
    B：Hadoop中加入JNI調(diào)用
    C：Linux下Opencv的安裝及配置使用
致謝
個(gè)人簡(jiǎn)歷

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫廣中;陳國(guó)良;徐云;鄭啟龍;吳俊敏;;并行計(jì)算系列課程教學(xué)團(tuán)隊(duì)建設(shè)[J];中國(guó)大學(xué)教學(xué);2008年02期

2 孫廣中;徐云;鄭啟龍;吳俊敏;陳國(guó)良;;并行計(jì)算系列課程教學(xué)團(tuán)隊(duì)建設(shè)[J];計(jì)算機(jī)教育;2008年15期

3 陸克中;孫宏元;;同構(gòu)集群中并行計(jì)算熵研究[J];深圳大學(xué)學(xué)報(bào)(理工版);2009年01期

4 胡霞;;并行計(jì)算如何用于科學(xué)問(wèn)題研究[J];科技資訊;2009年27期

5 顏寶勇;快速富里葉變換的并行計(jì)算[J];計(jì)算機(jī)工程與科學(xué);1984年03期

6 吳靖;;一種用于基因序列比較的并行計(jì)算方法[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);1992年01期

7 李斌;并行計(jì)算用的計(jì)算機(jī)和模型[J];管理科學(xué)文摘;1996年04期

8 魏臻;;高性能計(jì)算,高興能計(jì)算[J];中國(guó)教育網(wǎng)絡(luò);2010年06期

9 劉杰,遲利華,胡慶豐;優(yōu)化并行計(jì)算的性能評(píng)價(jià)[J];計(jì)算機(jī)工程與設(shè)計(jì);2000年06期

10 劉赫男,羅霄,高曉東;并行計(jì)算的現(xiàn)狀與發(fā)展[J];煤;2001年01期

相關(guān)博士學(xué)位論文 前10條

1 張雨新;改進(jìn)的MPS方法及其三維并行計(jì)算研究[D];上海交通大學(xué);2014年

2 孫安香;數(shù)值氣象預(yù)報(bào)變分同化的伴隨模式并行計(jì)算[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2002年

3 張理論;面向氣象預(yù)報(bào)數(shù)值模式的高效并行計(jì)算研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2002年

4 龍柏;并行計(jì)算平臺(tái)上的數(shù)據(jù)索引技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

5 管建和;電磁場(chǎng)有限元法解釋分布式并行計(jì)算的研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2006年

6 劉耀儒;三維有限元并行計(jì)算及其在水利工程中的應(yīng)用[D];清華大學(xué);2003年

7 金晶;并行計(jì)算普適編程模型及系統(tǒng)架構(gòu)研究[D];北京郵電大學(xué);2012年

8 盛艷秀;多核異構(gòu)環(huán)境下通用并行計(jì)算框架關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2013年

9 張帆;過(guò)程系統(tǒng)優(yōu)化的分布式并行計(jì)算[D];浙江大學(xué);2002年

10 劉壽生;虛擬現(xiàn)實(shí)仿真平臺(tái)異構(gòu)并行計(jì)算關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張康宇;基于ASAR近海風(fēng)場(chǎng)反演方法研究[D];浙江大學(xué);2015年

2 胡榮華;并行計(jì)算在臨近天氣預(yù)報(bào)系統(tǒng)中的應(yīng)用研究[D];華南理工大學(xué);2015年

3 嚴(yán)善楷;異構(gòu)系統(tǒng)中并行計(jì)算的動(dòng)態(tài)負(fù)載均衡技術(shù)研究[D];華南理工大學(xué);2015年

4 陳磊;基于監(jiān)控信號(hào)的多信息提取識(shí)別的并行計(jì)算方法[D];南京理工大學(xué);2015年

5 焦弘杰;CPU-GPU異構(gòu)并行計(jì)算體系的設(shè)計(jì)與實(shí)現(xiàn)[D];江蘇科技大學(xué);2015年

6 陳從江;基于面向云服務(wù)的Python并行計(jì)算的研究[D];電子科技大學(xué);2014年

7 唐吉卓;基于GPU平臺(tái)的SVD并行計(jì)算研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

8 吳頎;GPU并行計(jì)算及其在飛行器設(shè)計(jì)中的應(yīng)用[D];北京理工大學(xué);2015年

9 李保安;基于液態(tài)食品冷凍濃縮冰晶生長(zhǎng)機(jī)制并行計(jì)算[D];電子科技大學(xué);2013年

10 鐘承群;基于CPU/GPU異構(gòu)并行計(jì)算的OTN仿真驗(yàn)證系統(tǒng)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

本文編號(hào)：2880125