基于CUDA的交通標(biāo)志識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著社會(huì)經(jīng)濟(jì)的飛速發(fā)展，人民生活水平的不斷提高，車輛成為人們重要的出行工具，數(shù)量也迅猛增加，導(dǎo)致交通擁堵、交通事故頻發(fā)等各種問(wèn)題。因此，智能交通系統(tǒng)（Intelligent Transportation System，ITS）的研究變得更加重要。交通標(biāo)志的識(shí)別作為ITS重要的組成部分，對(duì)緩解各種交通問(wèn)題具有非常重要的實(shí)際意義。計(jì)算統(tǒng)一設(shè)備架構(gòu)(CUDA，Compute Unified Device Architecture)是用于GPU

2、計(jì)算的開(kāi)發(fā)環(huán)境，由于GPU的特點(diǎn)是處理密集型數(shù)據(jù)和并行數(shù)據(jù)計(jì)算，因此CUDA非常適合需要大規(guī)模并行計(jì)算的領(lǐng)域。利用CPU+GPU的架構(gòu)模式為實(shí)現(xiàn)交通標(biāo)志識(shí)別的實(shí)時(shí)性提供了新的有效的技術(shù)支持。
　　本文在總結(jié)了國(guó)內(nèi)外多種方法的基礎(chǔ)上，針對(duì)現(xiàn)有的方法進(jìn)行了改進(jìn)和創(chuàng)新，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于CUDA的實(shí)時(shí)交通標(biāo)志識(shí)別系統(tǒng)，其中包括了檢測(cè)和識(shí)別兩大部分。在檢測(cè)階段，采用基于徑向?qū)ΨQ和方向判別的檢測(cè)方法，這種方法有效地解決了基于顏色方法容易受

3、光照影響的缺點(diǎn)，交通標(biāo)志的檢測(cè)不僅與投票累加有關(guān)，還與投票的方向有關(guān)，實(shí)現(xiàn)了交通標(biāo)志的檢測(cè)與分類。在識(shí)別階段，大多數(shù)基于規(guī)則和基于模型的方法存在著容錯(cuò)性不足、容易受噪聲的干擾的問(wèn)題，而傳統(tǒng)的基于機(jī)器學(xué)習(xí)的方法（神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)）通常是計(jì)算密集型的，不能保證快速的處理。為了解決這些問(wèn)題，本文采用了基于Haar特征的級(jí)聯(lián)Adaboost分類器。
　　針對(duì)系統(tǒng)算法計(jì)算復(fù)雜度高的缺點(diǎn)，本文采用了基于CPU+GPU的計(jì)算模式，其中GPU

4、作為CPU的協(xié)處理器，主要負(fù)責(zé)大規(guī)模數(shù)據(jù)的并行計(jì)算部分。從計(jì)算復(fù)雜度、數(shù)據(jù)依賴程度等方面對(duì)系統(tǒng)算法進(jìn)行任務(wù)分割，將系統(tǒng)的檢測(cè)階段移植到GPU端，提出了并行的基本思路和并行策略的優(yōu)化，在CUDA平臺(tái)實(shí)現(xiàn)了算法的并行化設(shè)計(jì);識(shí)別階段在CPU端執(zhí)行，這樣可以在應(yīng)用程序中充分使用CPU和GPU各自的優(yōu)點(diǎn)。這種計(jì)算模式可以有效的解決系統(tǒng)檢測(cè)階段計(jì)算復(fù)雜度高的問(wèn)題，從而增強(qiáng)系統(tǒng)的實(shí)時(shí)性。
　　本文選取了各種場(chǎng)景下道路信息作為測(cè)試數(shù)據(jù)，在CUD