CN110175562B - 一种基于并行计算的gpu加速行人检测算法 - Google Patents
一种基于并行计算的gpu加速行人检测算法 Download PDFInfo
- Publication number
- CN110175562B CN110175562B CN201910440898.7A CN201910440898A CN110175562B CN 110175562 B CN110175562 B CN 110175562B CN 201910440898 A CN201910440898 A CN 201910440898A CN 110175562 B CN110175562 B CN 110175562B
- Authority
- CN
- China
- Prior art keywords
- data
- pedestrian
- computing
- value
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000001133 acceleration Effects 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于并行计算的gpu加速行人检测算法,包括数据处理模块、数据计算模块与数据输出模块,所述数据处理前需要进行收集采集,所述数据采集包括行人数据采集装置,所述数据处理模块包括中央处理器,所述中央处理器的数据输出端连接有图形处理器,所述图形处理器的数据输出端与中央处理器的数据输入端双向连接,所述数据计算模块内包括累计人流量DA内核计算与总人流量统计SA,所述人流量DA内核计算的数据输出端与总人流量统计SA的数据输入端单向连接。该基于并行计算的gpu加速行人检测算法通过gpu处理大量的类型统一的数据,以图形类数值计算为核心,将行人检测数据并行数值计算,提高了处理效率,便于快速检测。
Description
技术领域
本发明涉及计算机视觉领域以及图像处理技术领域,尤其涉及一种基于并行计算的gpu加速行人检测算法。
背景技术
经过近些年的探索和发展,计算机视觉已经在金融、机械加工、交通运输、娱乐、医疗、安防、军事等很多领域具有应用场景,创造出无可替代的价值。在计算机视觉领域中,目标检测是个极其重要的研究分支,本发明着眼于目标检测中一个很重要且极具应用价值的课题——行人检测,行人检测是姿态估计、行为分析、行人识别、行人跟踪等课题的研究基础和前提,一个优秀的行人检测算法能为以上诸多研究课题提供强有力的支持和保障,行人检测算法,顾名思义,就是对于给定的图片或视频,使用预先训练好的模型对其进行检测,标注出图片或视频中行人所在的位置。这在现实生活中是非常具有应用价值的,如把行人检测算法用于辅助驾驶上,车辆能自动识别前方的行人,并获得与目标之间的精确距离,对行人及时进行避让,在发生紧急情况时发出警报,可以主动参与制动,让驾驶变得更轻松,让出行变得更安全、更放心;在监控***集成行人检测等算法,能及时检测出行人的所在位置,对其行为进行分析,如果发现逗留过久等异常行为及时给安全人员以报警,可以防患于未然,等等。
现有的行人检测算法不是以图形类数值为计算核心,只是简单对行人数据进行计算,不能进行处理类型高度统一,相互无依赖的大规模数据,对于图形类的或者是非图形类的高度并行数值计算无法处理。
发明内容
1.要解决的技术问题
本发明的目的是为了解决现有的行人检测算法不是以图形类数值为计算核心,只是简单对行人数据进行计算,不能进行处理类型高度统一,相互无依赖的大规模数据,对于图形类的或者是非图形类的高度并行数值计算无法处理的问题,而提出的一种基于并行计算的gpu加速行人检测算法。
2.技术方案
为了实现上述目的,本发明采用了如下技术方案:
一种基于并行计算的gpu加速行人检测算法,包括数据处理模块、数据计算模块与数据输出模块,所述数据处理前需要进行收集采集,所述数据采集包括行人数据采集装置,通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据,所述数据处理模块包括中央处理器,数据处理模块对采集到的行人图片进行初始化处理,将初始化完成的行人图片数据输出,所述中央处理器的数据输出端连接有图形处理器,所述图形处理器的数据输出端与中央处理器的数据输入端双向连接,所述数据计算模块内包括累计人流量DA内核计算与总人流量统计SA,所述人流量DA内核计算的数据输出端与总人流量统计SA的数据输入端单向连接,所述数据输出模块包括接收器与传输设备,所述接收器的数据输出端与传输设备的数据输入端单向连接。
优选地,所述行人数据采集装置包括图片采集器与图片检测器,所述图片采集器可通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据。
优选地,所述数据处理模块对采集到的行人图片进行初始化处理,将初始化完成的行人图片数据数据,设置人流量阈值DT,并通过检测设定检测阈值NT,同时通过数据处理模块设定总人流量SA为极大值。
优选地,所述数据计算模块接受到数据处理模块处理后的数据,通过累计人流量DA内核计算,将数据输出进行统计,得出行人总流量。
优选地,所述数据输出模块将累计人流量DA数值小于设置的人流量阈值DT时,通过数据输出设备将行人流量数据输出。
优选地,所述检测后的数据通过比较总人流量SA与设置的人流量阈值DT进行对比,当总人流量SA小于人流量阈值DT时,数据输出置数据输出模块。
优选地,所述行人流量数据输出时将检测出的位置进行标记,便于计算处理。
优选地,所述在设置总人流量的同时需要设定最小储存与处理单位,对检测的数据进行并行处理。
优选地,所述传输设备包含行式打印机和数控绘图仪及其它扫描装置。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)本发明中,通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据,数据处理模块对采集到的行人图片进行初始化处理,将初始化完成的行人图片数据输出,设置人流量阈值DT,并通过检测设定检测阈值NT,同时通过数据处理模块设定总人流量SA为极大值,设置总人流量的同时需要设定最小储存与处理单位,对检测的数据进行并行处理,数据计算模块接受到数据处理模块处理后的数据,通过累计人流量DA内核计算,将数据输出进行统计,得出行人总流量,数据输出模块将累计人流量DA数值小于设置的人流量阈值DT时,通过数据输出设备将行人流量数据输出,检测后的数据通过比较总人流量SA与设置的人流量阈值DT进行对比,当总人流量SA小于人流量阈值DT时,数据输出置数据输出模块。
(2)计算线程号接收数据,设置C值为边界,通过C值与像元数进行对比,C值大于像元数时,计算结算,C值小于像元数进行下一步计算zw(c)值,计算后的值通过计算最大坡降像元zw(n)值,通过对zw(c)与zw(n)做对比,zw(c)大于zw(n)值时,直接输出,结束计算,当zw(c)小于zw(n)值时,计算转移人流量MV,增加累计人流量与zw(n)的,输出数据,结束计算,当C值不为边界时,增加累计人流量,将C值重置为零,输出数据结束计算。
附图说明
图1为本发明提出的一种基于并行计算的gpu加速行人检测算法的结构示意图;
图2为本发明提出的一种基于并行计算的gpu加速行人检测算法的算法结构示意图。
图3为本发明提出的一种基于并行计算的gpu加速行人检测算法的模块结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例1:
参照图1-3,一种基于并行计算的gpu加速行人检测算法,包括数据处理模块、数据计算模块与数据输出模块,数据处理前需要进行收集采集,数据采集包括行人数据采集装置,数据处理模块包括中央处理器,中央处理器的数据输出端连接有图形处理器,图形处理器的数据输出端与中央处理器的数据输入端双向连接,数据计算模块内包括累计人流量DA内核计算与总人流量统计SA,人流量DA内核计算的数据输出端与总人流量统计SA的数据输入端单向连接,数据输出模块包括接收器与传输设备,接收器的数据输出端与传输设备的数据输入端单向连接。
本发明中,行人数据采集装置包括图片采集器与图片检测器,图片采集器可通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据,行人数据采集装置包括图片采集器与图片检测器,图片采集器可通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据,数据计算模块接受到数据处理模块处理后的数据,通过累计人流量DA内核计算,将数据输出进行统计,得出行人总流量,数据输出模块将累计人流量DA数值小于设置的人流量阈值DT时,通过数据输出设备将行人流量数据输出,检测后的数据通过比较总人流量SA与设置的人流量阈值DT进行对比,当总人流量SA小于人流量阈值DT时,数据输出置数据输出模块,检测后的数据通过比较总人流量SA与设置的人流量阈值DT进行对比,当总人流量SA小于人流量阈值DT时,数据输出置数据输出模块,行人流量数据输出时将检测出的位置进行标记,便于计算处理,在设置总人流量的同时需要设定最小储存与处理单位,对检测的数据进行并行处理,传输设备包含行式打印机和数控绘图仪及其它扫描装置。
本发明中,通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据,数据处理模块对采集到的行人图片进行初始化处理,将初始化完成的行人图片数据输出,设置人流量阈值DT,并通过检测设定检测阈值NT,同时通过数据处理模块设定总人流量SA为极大值,设置总人流量的同时需要设定最小储存与处理单位,对检测的数据进行并行处理,数据计算模块接受到数据处理模块处理后的数据,通过累计人流量DA内核计算,将数据输出进行统计,得出行人总流量,数据输出模块将累计人流量DA数值小于设置的人流量阈值DT时,通过数据输出设备将行人流量数据输出,检测后的数据通过比较总人流量SA与设置的人流量阈值DT进行对比,当总人流量SA小于人流量阈值DT时,数据输出置数据输出模块,计算线程号接收数据,设置C值为边界,通过C值与像元数进行对比,C值大于像元数时,计算结算,C值小于像元数进行下一步计算zw(c)值,计算后的值通过计算最大坡降像元zw(n)值,通过对zw(c)与zw(n)做对比,zw(c)大于zw(n)值时,直接输出,结束计算,当zw(c)小于zw(n)值时,计算转移人流量MV,增加累计人流量与zw(n)的,输出数据,结束计算,当C值不为边界时,增加累计人流量,将C值重置为零,输出数据结束计算。该基于并行计算的gpu加速行人检测算法通过gpu处理大量的类型统一的数据,以图形类数值计算为核心,将行人检测数据并行数值计算,提高了处理效率,便于快速检测。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于并行计算的gpu加速行人检测算法,包括数据处理模块、数据计算模块与数据输出模块,其特征在于,所述数据处理前需要进行收集采集,所述数据采集包括行人数据采集装置,所述数据处理模块包括中央处理器,所述中央处理器的数据输出端连接有图形处理器,所述图形处理器的数据输出端与中央处理器的数据输入端双向连接,所述数据计算模块内包括累计人流量DA内核计算与总人流量统计SA,所述人流量DA内核计算的数据输出端与总人流量统计SA的数据输入端单向连接,所述数据输出模块包括接收器与传输设备,所述接收器的数据输出端与传输设备的数据输入端单向连接;
所述数据处理模块对采集到的行人图片进行初始化处理,将初始化完成的行人图片数据输出,设置人流量阈值DT,并通过检测设定检测阈值NT,同时通过数据处理模块设定总人流量SA为极大值;
所述数据输出模块将累计人流量DA数值小于设置的人流量阈值DT时,通过数据输出设备将行人流量数据输出;
所述检测后的数据通过比较总人流量SA与设置的人流量阈值DT进行对比,当总人流量SA小于人流量阈值DT时,数据输出至数据输出模块;
在设置总人流量的同时需要设定最小储存与处理单位,对检测的数据进行并行处理;
计算线程号接收数据,设置C值为边界,通过C值与像元数进行对比,C值大于像元数时,计算结算,C值小于像元数进行下一步计算zw(c)值,计算后的值通过计算最大坡降像元zw(n)值,通过对zw(c)与zw(n)做对比,zw(c)大于zw(n)值时,直接输出,结束计算,当zw(c)小于zw(n)值时,计算转移人流量MV,增加累计人流量与zw(n)的,输出数据,结束计算,当C值不为边界时,增加累计人流量,将C值重置为零,输出数据结束计算。
2.根据权利要求1所述的一种基于并行计算的gpu加速行人检测算法,其特征在于,所述行人数据采集装置包括图片采集器与图片检测器,所述图片采集器可通过摄像机采集,采集的数据通过图片检测器进行检测,筛选出采集到的行人图片数据。
3.根据权利要求1所述的一种基于并行计算的gpu加速行人检测算法,其特征在于,所述数据计算模块接受到数据处理模块处理后的数据,通过累计人流量DA内核计算,将数据输出进行统计,得出行人总流量。
4.根据权利要求1所述的一种基于并行计算的gpu加速行人检测算法,其特征在于,所述传输设备包含行式打印机和数控绘图仪及其它扫描装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440898.7A CN110175562B (zh) | 2019-05-24 | 2019-05-24 | 一种基于并行计算的gpu加速行人检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440898.7A CN110175562B (zh) | 2019-05-24 | 2019-05-24 | 一种基于并行计算的gpu加速行人检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110175562A CN110175562A (zh) | 2019-08-27 |
CN110175562B true CN110175562B (zh) | 2024-01-16 |
Family
ID=67695629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910440898.7A Active CN110175562B (zh) | 2019-05-24 | 2019-05-24 | 一种基于并行计算的gpu加速行人检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175562B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622589A (zh) * | 2012-03-13 | 2012-08-01 | 辉路科技(北京)有限公司 | 一种基于gpu的多光谱人脸检测方法 |
FR3015093A1 (fr) * | 2013-12-12 | 2015-06-19 | Rizze | Systeme et procede de controle de flux d'entree et de sortie des personnes dans des espaces fermes |
CN106372570A (zh) * | 2016-08-19 | 2017-02-01 | 云赛智联股份有限公司 | 一种人流量统计的方法 |
CN107871127A (zh) * | 2017-11-30 | 2018-04-03 | 成都市深国科半导体有限公司 | 一种智能行人流量统计*** |
CN108229452A (zh) * | 2018-03-20 | 2018-06-29 | 东北大学 | 基于深度神经网络和dsp芯片的人数统计装置和方法 |
WO2018121127A1 (zh) * | 2016-12-30 | 2018-07-05 | 苏州万店掌网络科技有限公司 | 一种基于视频分析技术的跟踪统计人流量的*** |
CN108665096A (zh) * | 2018-04-28 | 2018-10-16 | 新华三大数据技术有限公司 | 人流量告警方法及装置 |
CN108764203A (zh) * | 2018-06-06 | 2018-11-06 | 四川大学 | 一种面向城市规划的行人量化分析及展示*** |
-
2019
- 2019-05-24 CN CN201910440898.7A patent/CN110175562B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622589A (zh) * | 2012-03-13 | 2012-08-01 | 辉路科技(北京)有限公司 | 一种基于gpu的多光谱人脸检测方法 |
FR3015093A1 (fr) * | 2013-12-12 | 2015-06-19 | Rizze | Systeme et procede de controle de flux d'entree et de sortie des personnes dans des espaces fermes |
CN106372570A (zh) * | 2016-08-19 | 2017-02-01 | 云赛智联股份有限公司 | 一种人流量统计的方法 |
WO2018121127A1 (zh) * | 2016-12-30 | 2018-07-05 | 苏州万店掌网络科技有限公司 | 一种基于视频分析技术的跟踪统计人流量的*** |
CN107871127A (zh) * | 2017-11-30 | 2018-04-03 | 成都市深国科半导体有限公司 | 一种智能行人流量统计*** |
CN108229452A (zh) * | 2018-03-20 | 2018-06-29 | 东北大学 | 基于深度神经网络和dsp芯片的人数统计装置和方法 |
CN108665096A (zh) * | 2018-04-28 | 2018-10-16 | 新华三大数据技术有限公司 | 人流量告警方法及装置 |
CN108764203A (zh) * | 2018-06-06 | 2018-11-06 | 四川大学 | 一种面向城市规划的行人量化分析及展示*** |
Non-Patent Citations (2)
Title |
---|
"A New Approach to Track Multiple Vehicles With the Combination of Robust Detection and Two Classifiers";Weidong Min, Mengdan Fan, Xiaoguang Guo, etc;《IEEE Transactions on Intelligent Transportation Systems》;第19卷(第1期);174-186 * |
"无信号人行横道交通流特性的研究";刘应东, 牛惠民, 王建强等;《计算机工程与应用》;第51卷(第6期);16-21 * |
Also Published As
Publication number | Publication date |
---|---|
CN110175562A (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tzeng et al. | Design of fall detection system with floor pressure and infrared image | |
CN108216252B (zh) | 一种地铁司机车载驾驶行为分析方法、车载终端及*** | |
CN105141885B (zh) | 进行视频监控的方法及装置 | |
CN109711318B (zh) | 一种基于视频流的多人脸检测与跟踪方法 | |
CN108960056A (zh) | 一种基于姿态分析和支持向量数据描述的跌倒检测方法 | |
CN112287816A (zh) | 一种基于深度学习的危险工作区事故自动检测报警方法 | |
CN108509897A (zh) | 一种人体姿态识别方法和*** | |
CN103456168B (zh) | 一种交通路口行人行为监测***和方法 | |
Peng et al. | Design and development of the fall detection system based on point cloud | |
CN105426820A (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
Humenberger et al. | Embedded fall detection with a neural network and bio-inspired stereo vision | |
CN112434669B (zh) | 一种多信息融合的人体行为检测方法及*** | |
CN107729876A (zh) | 基于计算机视觉的老人室内跌倒检测方法 | |
CN113297926B (zh) | 行为检测识别方法及*** | |
CN114469076A (zh) | 一种融合身份特征的独居老人跌倒识别方法及*** | |
CN111695520A (zh) | 一种高精度的儿童坐姿检测与矫正方法及装置 | |
CN110175562B (zh) | 一种基于并行计算的gpu加速行人检测算法 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN111582233A (zh) | 数据处理方法、电子设备和存储介质 | |
CN112580531A (zh) | 一种真假车牌的识别检测方法及*** | |
CN116883946A (zh) | 老人异常行为实时检测方法、装置、设备及存储介质 | |
CN116189232A (zh) | 一种基于机器视觉的养老院老人异常行为检测方法及*** | |
CN106845361B (zh) | 一种行人头部识别方法及*** | |
CN115393956A (zh) | 改进注意力机制的CNN-BiLSTM跌倒检测方法 | |
Christodoulidis et al. | Near real-time human silhouette and movement detection in indoor environments using fixed cameras |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: No.7098 Liuxian Avenue, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Vocational and Technical University Address before: 518000 Xili street xilihu town xilihu bank, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN POLYTECHNIC |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |