基于OpenCL的Viola-Jones人脸检测算法优化研究

摘要

Viola-Jones人脸检测算法的GPU实现版本,存在线程间负载不均衡的非规则特性.如果仅使用传统优化方法,人脸检测算法难以在GPU计算平台上达到较高性能.本文通过kernel合并、粗粒度并行、Persistent Thread、线程与任务动态映射、本地队列等优化方法的应用,突破了负载不均衡非规则特性导致的性能瓶颈,大幅提高了人脸检测算法在GPU计算平台上的性能.实验结果表明,与OpenCV2.4中高度优化的CPU版本在Intel Xeon X5550 CPU上的性能相比,优化后的算法在AMD HD7970和NVIDIA GTX680两个GPU计算平台上分别达到了11.24～20.27和9.24～17.62倍的加速比,实现了在不同GPU计算平台间的性能移植.