本發(fā)明涉及圖像識別領(lǐng)域，尤其涉及的是一種Hog并行化設(shè)計方法及系統(tǒng)。

背景技術(shù)：

方向梯度直方圖(Histogram of oriented gradient，Hog)特征是一種在計算機和圖像處理中用來進(jìn)行物體的特征描述子，Hog特征結(jié)合SVM分類器已經(jīng)被廣泛應(yīng)用于圖像識別中。

現(xiàn)有的Hog算法主要是使用C語言或cuda實現(xiàn)，結(jié)合SVM分類器從輸入的灰度圖中檢測出目標(biāo)，在現(xiàn)有的Hog并行化方案中，首先需要對輸入的數(shù)據(jù)進(jìn)行縮放，并將縮放后的數(shù)據(jù)開方后再傳輸給求幅度角度模塊，然后將所求得的幅度和角度傳遞給直方圖模塊求得直方圖，最后進(jìn)行歸一化直方圖處理和求SVM值；現(xiàn)有Hog方案的流程圖如圖1所示，每一個框圖都代表了一個并行化過程，每個并行化過程都是通過顯存進(jìn)行數(shù)據(jù)通信的；

然而在cuda應(yīng)用程序設(shè)計中，通過顯存進(jìn)行的數(shù)據(jù)的通信帶寬是很小的，以至于現(xiàn)有Hog并行化方案中，制約著系統(tǒng)性能的主要因素是存儲器的帶寬，并且由于Hog的程序結(jié)構(gòu)不合理，浪費了寶貴的計算資源；其次，部分程序結(jié)構(gòu)多次訪問存儲器空間也會導(dǎo)致圖像處理效率變低。

因此，現(xiàn)有技術(shù)還有待于改進(jìn)和發(fā)展。

技術(shù)實現(xiàn)要素：

鑒于上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種Hog并行化設(shè)計方法及系統(tǒng)，旨在解決現(xiàn)有Hog并行化方案受限于存儲器的帶寬，并且現(xiàn)有Hog的程序結(jié)構(gòu)不合理，浪費了寶貴的計算資源；以及部分程序結(jié)構(gòu)多次訪問存儲器空間導(dǎo)致圖像處理效率低的問題。

本發(fā)明的技術(shù)方案如下：

一種Hog并行化設(shè)計改進(jìn)方法，其中，包括步驟：

A、對輸入的原始圖像進(jìn)行分塊得到多個圖像塊，并將所述多個圖像塊分配給相應(yīng)的線程塊；

B、對所述圖像塊的像素數(shù)據(jù)進(jìn)行開方處理，得到開方數(shù)據(jù)；

C、將所述開方數(shù)據(jù)進(jìn)行縮放，并將縮放后的數(shù)據(jù)直接從數(shù)據(jù)源中映射并取出，進(jìn)行幅度和角度的計算，從而得到圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)；

D、根據(jù)所述圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)進(jìn)行直方圖統(tǒng)計，得到各個圖像塊的直方圖；

E、對所述多個圖像塊的直方圖進(jìn)行歸一化處理，得到原始圖像的Hog特征值。

所述的Hog并行化設(shè)計改進(jìn)方法，其中，所述步驟A具體包括：

A1、對輸入的原始圖像進(jìn)行分塊，得到多個圖像塊；

A2、將所述多個圖像塊輸入到GPU中，對所述多個圖像塊分配執(zhí)行資源，從而將所述多個圖像塊分配給相應(yīng)的線程塊。

所述的Hog并行化設(shè)計改進(jìn)方法，其中，所述步驟B具體包括：

B1、對所述圖像塊的像素數(shù)據(jù)進(jìn)行灰度化處理，得到圖像塊的灰度值；

B2、對所述圖像塊的灰度值進(jìn)行開方校正，得到圖像塊的開方數(shù)據(jù)。

所述的Hog并行化設(shè)計改進(jìn)方法，其中，所述步驟C具體包括：

C1、對圖像塊的開方數(shù)據(jù)進(jìn)行縮放，縮放公式為：其中，fscale＝1.06ⁿ，n∈[0，18)，n為縮放次數(shù)；wide為圖像塊的原始寬度，height為圖像塊的原始高度；wide’為圖像塊縮放后的寬度，height’為圖像塊縮放后的高度；

C2、所述幅度值的計算公式為：所述角度值的計算公式為：其中，I_{(x1+1，y1)}-I_{(x1-1，y1)}為圖像塊中像素點(x,y)處的水平方向梯度，I_{(x1，y1+1)}-I_{(x1，y1-1)}圖像塊中像素點(x,y)處的垂直方向梯度。

所述的Hog并行化設(shè)計改進(jìn)方法，其中，所述步驟D具體包括：

D1、將圖像塊分成4個cell權(quán)重矩陣，所述4個cell權(quán)重矩陣分別為cell0、cell1、cell2和cell3；

D2、分別計算圖像塊中與所述4個cell權(quán)重矩陣分量計算有關(guān)的值，得到4個對cell權(quán)重矩陣有影響的區(qū)域；

D3、將所述4個對cell權(quán)重矩陣有影響的區(qū)域分別投影到直方圖的長度范圍內(nèi)，得到圖像塊的統(tǒng)計直方圖。

一種Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，包括：

分塊模塊，用于對輸入的原始圖像進(jìn)行分塊得到多個圖像塊，并將所述多個圖像塊分配給相應(yīng)的線程塊；

開方模塊，用于對所述圖像塊的像素數(shù)據(jù)進(jìn)行開方處理，得到開方數(shù)據(jù)；

數(shù)據(jù)計算模塊，用于將所述開方數(shù)據(jù)進(jìn)行縮放，并將縮放后的數(shù)據(jù)直接從數(shù)據(jù)源中映射并取出，進(jìn)行幅度和角度的計算，從而得到圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)；

統(tǒng)計模塊，用于根據(jù)所述圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)進(jìn)行直方圖統(tǒng)計，得到各個圖像塊的直方圖；

歸一化模塊，用于對所述多個圖像塊的直方圖進(jìn)行歸一化處理，得到原始圖像的Hog特征值。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述分塊模塊具體包括：

分塊單元，用于對輸入的原始圖像進(jìn)行分塊，得到多個圖像塊；

分配單元，用于將所述多個圖像塊輸入到GPU中，對所述多個圖像塊分配執(zhí)行資源，從而將所述多個圖像塊分配給相應(yīng)的線程塊。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述開方模塊具體包括：

灰度處理單元，用于對所述圖像塊的像素數(shù)據(jù)進(jìn)行灰度化處理，得到圖像塊的灰度值；

開方校正單元，用于對所述圖像塊的灰度值進(jìn)行開方校正，得到圖像塊的開方數(shù)據(jù)。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述數(shù)據(jù)計算模塊具體包括：

縮放單元，用于對圖像塊的開方數(shù)據(jù)進(jìn)行縮放，縮放公式為：其中，fscale＝1.06ⁿ，n∈[0，18)，n為縮放次數(shù)；wide為圖像塊的原始寬度，height為圖像塊的原始高度；wide’為圖像塊縮放后的寬度，height’為圖像塊縮放后的高度；

幅度及角度計算單元，用于計算圖像塊的幅度值和角度值，所述幅度值的計算公式為：所述角度值的計算公式為：其中，I_(x1+1，y1)-I_{(x1-1，y1)}為圖像塊中像素點(x,y)處的水平方向梯度，I_{(x1，y1+1)}-I_(x1，y1-1)為圖像塊中像素點(x,y)處的垂直方向梯度。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述統(tǒng)計模塊具體包括：

矩陣劃分單元，用于將圖像塊分成4個cell權(quán)重矩陣，所述4個cell權(quán)重矩陣分別為cell0、cell1、cell2和cell3；

區(qū)域計算單元，用于分別計算圖像塊中與所述4個cell權(quán)重矩陣分量計算有關(guān)的值，得到4個對cell權(quán)重矩陣有影響的區(qū)域；

投影單元，用于將所述4個對cell權(quán)重矩陣有影響的區(qū)域分別投影到直方圖的長度范圍內(nèi)，得到圖像塊的統(tǒng)計直方圖。

有益效果：本發(fā)明相對于現(xiàn)有的Hog并行化設(shè)計，在運算效率上有明顯的提升，具體體現(xiàn)在以下幾個方面：

1、本發(fā)明先對圖像塊的灰度圖直接進(jìn)行一次開方處理，然后將開方后的數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行n次縮放、幅度角度計算等后續(xù)操作；而現(xiàn)有的Hog設(shè)計在對灰度圖縮放n次的同時，也會進(jìn)行n次開方運算，因此，相對于現(xiàn)有的Hog設(shè)計，本發(fā)明的Hog設(shè)計減少了n-1次的開方運算，提高了運算效率；

2、本發(fā)明將縮放與求幅度角度值統(tǒng)一進(jìn)行，通過將縮放的數(shù)據(jù)直接從數(shù)據(jù)源中映射并取出，然后進(jìn)行幅度和角度的計算，縮放的過程在邏輯上是存在的，但是不會使用存儲器作為中間數(shù)據(jù)的存儲，因此，相對于現(xiàn)有的Hog設(shè)計，本發(fā)明減少了cuda核心對存儲器寬帶的依賴，提高了cuda核心的執(zhí)行效率；

3、本發(fā)明在直方圖統(tǒng)計過程中，通過計算對cell權(quán)重矩陣有影響的區(qū)域，并將所述區(qū)域投影到直方圖相應(yīng)的長度范圍內(nèi)，可實現(xiàn)一個線程塊輸出兩個圖像塊的直方圖，相對于現(xiàn)有的Hog設(shè)計，本發(fā)明的其執(zhí)行效率更高。

附圖說明

圖1為現(xiàn)有技術(shù)中Hog并行化設(shè)計方法的流程示意圖。

圖2為本發(fā)明一種Hog并行化設(shè)計方法較佳實施例的流程圖。

圖3為本發(fā)明Hog并行化設(shè)計方法的流程示意圖。

圖4為本發(fā)明中對圖像塊進(jìn)行資源分配的示意圖。

圖5為本發(fā)明中cell與cell之間互相影響的區(qū)域示意圖。

圖6為本發(fā)明中圖像塊的投影示意圖。

圖7為本發(fā)明中線程塊內(nèi)部的計算分配方式示意圖。

具體實施方式

本發(fā)明提供一種Hog并行化設(shè)計方法及系統(tǒng)，為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下參照附圖并舉實例對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

請參閱圖2和圖3，圖2為本發(fā)明一種Hog并行化設(shè)計方法較佳實施例的流程圖，如圖所示，其包括步驟：

S100、對輸入的原始圖像進(jìn)行分塊得到多個圖像塊，并將所述多個圖像塊分配給相應(yīng)的線程塊；

具體地，在對圖像進(jìn)行Hog并行化設(shè)計之前，需要對輸入的圖像進(jìn)行分塊，圖像分塊有兩種方式，一種是分割出的圖像塊互相有交疊，另一種是分割出的圖像塊互相之間沒有交疊；本發(fā)明優(yōu)選沒有交疊的分塊方式。將分塊后的圖像輸入到GPU中，在并行化系統(tǒng)中對圖像塊分配執(zhí)行資源，如圖4所示。

進(jìn)一步，所述步驟S100具體包括：

S110、對輸入的原始圖像進(jìn)行分塊，得到多個圖像塊；

S120、將所述多個圖像塊輸入到GPU中，對所述多個圖像塊分配執(zhí)行資源，從而將所述多個圖像塊分配給相應(yīng)的線程塊。

具體地，在本發(fā)明中，當(dāng)原始圖像被分割成多個圖像塊之后，每個圖像塊均被分配給一個或多個線程塊執(zhí)行運算，如圖4所示，所述線程塊與線程塊之間是并行執(zhí)行的，所以從宏觀上看，一幅圖像被分割成了多個圖像塊，對其進(jìn)行GPU資源分配后，所述多個圖像塊是同時執(zhí)行運算處理的。

S200、對所述圖像塊的像素數(shù)據(jù)進(jìn)行開方處理，得到開方數(shù)據(jù)，其具體包括：

S210、對所述圖像塊的像素數(shù)據(jù)進(jìn)行灰度化處理，得到圖像塊的灰度值；

具體地，可采用分量法對圖像塊的像素數(shù)據(jù)進(jìn)行灰度化處理，通過將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像；通過灰度化處理可得到圖像塊的灰度值；

S220、對所述圖像塊的灰度值進(jìn)行開方校正，得到圖像塊的開方數(shù)據(jù)；具體地，通過開方校正對輸入圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化(歸一化)，目的是調(diào)節(jié)圖像的對比度，降低圖像局部的陰影和光照變化所造成的影響，同時還可以抑制噪音的干擾；開方主要是實現(xiàn)數(shù)據(jù)校正的運算方法，即將輸入的數(shù)據(jù)開平方后再寫入到原來的位置，示例如下：即開方校正后，數(shù)據(jù)由原來的整數(shù)變成了單精度浮點數(shù)，后續(xù)的運算都是浮點數(shù)處理。

由于現(xiàn)有的Hog并行化是針對通用性考慮的，所以當(dāng)原始灰度圖進(jìn)入到現(xiàn)有Hog并行化系統(tǒng)后，先做縮放，縮放過后再由用戶選擇是否開方。而本發(fā)明的Hog并行化過程是先做開方運算，即當(dāng)原始灰度圖進(jìn)入到本專利的Hog并行化系統(tǒng)后，直接做開方，然后將開方后的數(shù)據(jù)又做為數(shù)據(jù)源給后續(xù)的操作。由于進(jìn)入系統(tǒng)的灰度圖會縮放n次，若選擇現(xiàn)有的Hog，那么在縮放n次的同時，也會進(jìn)行n次開方運算。而本發(fā)明對于一幅灰度只需要做一次開方運算，然后再縮放n次，相對于現(xiàn)有的Hog，減少了n-1次的開方運算，提高了運算效率。

S300、將所述開方數(shù)據(jù)進(jìn)行縮放，并將縮放后的數(shù)據(jù)直接從數(shù)據(jù)源中映射并取出，進(jìn)行幅度和角度的計算，從而得到圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)；

具體地，對數(shù)據(jù)進(jìn)行開方處理后，需要將得到的開方數(shù)據(jù)進(jìn)行縮放處理，wide和height分別表示縮放前的圖像塊的寬和高，在縮放過程中，每一層縮放后的wide’和height’的大小都是不一樣的，wide’和height’的計算是在CPU端進(jìn)行的，縮放后wide’和height’要保證是8的整數(shù)倍，計算公式如下所示：其中，fscale＝1.06ⁿ，n∈[0，18)，n為縮放次數(shù)；wide為圖像塊的原始寬度，height為圖像塊的原始高度；wide’為圖像塊縮放后的寬度，height’為圖像塊縮放后的高度；進(jìn)一步，本發(fā)明優(yōu)選對開方數(shù)據(jù)進(jìn)行18層縮放。

進(jìn)一步，在進(jìn)行縮放過程中，需要從紋理存儲器(texRef)中讀取數(shù)據(jù)，待縮放的矩陣texRef是(wide+2)*(height+2)，且矩陣四周的邊界點都為0，這樣做的目的是在縮放時可以排除原矩陣wide*height在邊界點上的處理過程與非邊界點上的處理過程不一致的情況，在CUDA并行設(shè)計中可以消除if……else……語句。紋理存儲器自己提供一種邊界處理機制，超出矩陣的存儲空間大小后默認(rèn)為0或是其他值，這樣做的最大的好處是使紋理存儲器空間大小與現(xiàn)實數(shù)據(jù)的大小相匹配；

線程發(fā)射時，開啟的線程數(shù)正好與縮放后的矩陣大小wide’和height’相對應(yīng)，網(wǎng)格維度和線程塊可以自己定，只要開啟了wide’*height’個線程都可以，在縮放過程中，就不存儲中間的縮放結(jié)果。

在進(jìn)行A和θ的計算之前，需要抽象的取出圖像塊的上下左右四個點。設(shè)縮放后的某一點為(x，y)，x∈[0，wide′)，y∈[0，height′)。由縮放后的點位置對應(yīng)到原點的位置公式L(x’,y’,z’)，其中x’、y’、z’為變量：每個cuda核函數(shù)計算縮放后的一點，設(shè)index為當(dāng)前核函數(shù)對應(yīng)的線程號，此縮放后的某一點(x,y)的計算公式如下所示：index＝blockIdx.x*blockDim.x+threadIdx.x；在當(dāng)前核函數(shù)內(nèi)部申請四個寄存器為fTop，fBottom，fLeft和fRight，分別對應(yīng)當(dāng)前縮放后的位置點(x,y-1)、(x,y+1)、(x-1,y)和(x+1,y)的值。因為texRef的邊界點都為0，所以為了能夠準(zhǔn)確的映射到原texRef的值，計算時應(yīng)該在橫向x和縱向y上都各自加1。這四個點的計算公式如下所示(其中text2D(texRef,x”,y”)表示從紋理存儲器texRef的位置(x”,y”)中拾取的值)：fTop＝text2D(texRef，L(x+1，wide，wide′)，L(y，height，height′))；fLeft＝text2D(texRef，L(x，wide，wide′)，L(y+1，height，height′))；fRight＝text2D(texRef，L(x+2，wide，wide′)，L(y+1，height，height′))；fBottom＝text2D(texRef，L(x+1，wide，wide′)，L(y+2，height，height′))；

進(jìn)一步，當(dāng)輸入的縮放數(shù)據(jù)為m*n(m為寬，n為高)的矩陣，那么經(jīng)過此步驟后輸出可以看成是兩個m*n的矩陣，分別為幅度A矩陣和角度θ矩陣；設(shè)輸入矩陣為I，維度為m*n；輸出矩陣為O，維度為m*n；設(shè)矩陣I和矩陣O中任一位置為(x1，y1)，x1∈[0,m-1]，y1∈[0,n-1]，對于矩陣之外位置時，為了方便計算，都設(shè)為0。

所述幅度值A(chǔ)的計算公式為：所述角度值θ的計算公式為：其中，I_{(x1+1，y1)}-I_(x1-1，y1)為圖像塊中像素點(x,y)處的水平方向梯度，I_(x1，y1+1)-I_{(x1，y1-1)}圖像塊中像素點(x,y)處的垂直方向梯度。經(jīng)過上述的求角度的θ的公式，求出的O_{θ(x1，y1)}是弧度表示的，范圍為將其轉(zhuǎn)換為角度的公式為O_θ(x1，y1)乘以后存入相應(yīng)位置。轉(zhuǎn)化成O_{θ(x1，y1)}角度表示后，若值是小于0的，那么再加上180，使其變成正的，公式為O_{θ(x1，y1)}＝O_{θ(x1，y1)}+180；要限制O_θ(x1，y1)的取值范圍在[0,180]內(nèi)。

在現(xiàn)有的Hog方案中，縮放與求幅度和角度并行化模塊是分開的，若將縮放后的數(shù)據(jù)傳遞給后續(xù)模塊運行，需要通過存儲器做為數(shù)據(jù)傳輸?shù)耐ǖ?，存儲器訪問次數(shù)會增加，Hog并行化系統(tǒng)的效率在這里受到了存儲器帶寬的限制；而在本發(fā)明中，將縮放與求幅度角度統(tǒng)一計算，將縮放后的數(shù)據(jù)直接從數(shù)據(jù)源中映射并取出，然后進(jìn)行幅度和角度的計算，縮放的過程在邏輯上是存在的，但是不會使用存儲器做為中間數(shù)據(jù)的存儲，所以本發(fā)明相對于現(xiàn)有的hog，減少了cuda核心對存儲器帶寬的依賴，提高了cuda核心的執(zhí)行效率。

S400、根據(jù)所述圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)進(jìn)行直方圖統(tǒng)計，得到各個圖像塊的直方圖，其具體包括：

S410、將圖像塊分成4個cell權(quán)重矩陣，所述4個cell權(quán)重矩陣分別為cell0、cell1、cell2和cell3；

S420、分別計算圖像塊中與所述4個cell權(quán)重矩陣分量計算有關(guān)的值，得到4個對cell權(quán)重矩陣有影響的區(qū)域；

S430、將所述4個對cell權(quán)重矩陣有影響的區(qū)域分別投影到直方圖的長度范圍內(nèi)，得到圖像塊的統(tǒng)計直方圖。

具體來說，一個圖像塊(block)分成4個cell，block大小為8*8，cell大小為4*4；在現(xiàn)有Hog設(shè)計中，是假設(shè)一個cell中的所有數(shù)據(jù)對其他3個cell都有影響，這樣造成的問題是在并行化設(shè)計中不僅計算量大，而且共享存儲器也會被大量使用，為了避免出現(xiàn)共享存儲器內(nèi)數(shù)據(jù)不一致的情況，會額外增加大量的同步的操作，從而導(dǎo)致程序運行效率降低。

實際上，每個cell并不是所有的數(shù)據(jù)都對其他的cell有影響，cell與cell之間相互影響的結(jié)構(gòu)如圖5所述。在本發(fā)明中，每一個圖像塊內(nèi)，每個點有四個cell權(quán)重矩陣，分別為cell0權(quán)重矩陣、cell1權(quán)重矩陣、cell2權(quán)重矩陣和cell3權(quán)重矩陣，每個cell權(quán)重矩陣的維度為6*6(與對cell有影響的區(qū)域大小相對應(yīng))，每個矩陣的初使化都為1；cell0權(quán)重矩陣與對cell0有影響的區(qū)域相乘后，得到圖像block的所有cell0分量計算有關(guān)的值。同理cell1權(quán)重矩陣與對cell1有影響的區(qū)域相乘后，得到圖像block的所有與cell1分量計算有關(guān)的值。cell2權(quán)重矩陣與對cell2有影響的區(qū)域相乘后，得到圖像block的所有與cell2分量計算有關(guān)的值。cell3權(quán)重矩陣與對cell3有影響的區(qū)域相乘后，得到圖像block的所有與cell3分量計算有關(guān)的值。

進(jìn)一步，將cell0及與cell0有影響的區(qū)域投影到直方圖的0-8范圍內(nèi)；cell1及與cell1有影響的區(qū)域投影到直方圖的9-17范圍內(nèi)；cell2及與cell2有影響的區(qū)域投影到直方圖的18-26范圍內(nèi)；cell3及與cell3有影響的區(qū)域投影到直方圖的27-35范圍內(nèi)；投影過程如圖6所示。

由于一個線程block中有64個線程，在本發(fā)明中，每個線程block可處理兩個圖像block，如圖7所示。也就是說，雖然本發(fā)明的線程塊維度也為8x8，在時間復(fù)雜度上與現(xiàn)有的Hog設(shè)計一樣，但是本發(fā)明中一個線程塊可以輸出兩個圖像塊的直方圖，所以相對于較現(xiàn)有的Hog并行化方案，本發(fā)明的執(zhí)行效率要高得多。

S500、對所述多個圖像塊的直方圖進(jìn)行歸一化處理，得到原始圖像的Hog特征值。

具體來說，由于局部光照的變化以及前景-背景對比度的變化，使得梯度強度的變化范圍非常大，因此需要對梯度強度做歸一化處理；較佳地，把各個cell單元組合成大的、空間上連通的區(qū)間。這樣，一個圖像塊內(nèi)所有cell的特征向量串聯(lián)起來便得到該圖像塊的Hog特征，將歸一化之后的圖像塊描述符(向量)就稱之為Hog特征值。

基于上述方法，本發(fā)明還提供一種Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，包括：

分塊模塊100，用于對輸入的原始圖像進(jìn)行分塊得到多個圖像塊，并將所述多個圖像塊分配給相應(yīng)的線程塊；

開方模塊200，用于對所述圖像塊的像素數(shù)據(jù)進(jìn)行開方處理，得到開方數(shù)據(jù)；

數(shù)據(jù)計算模塊300，用于將所述開方數(shù)據(jù)進(jìn)行縮放，并將縮放后的數(shù)據(jù)直接從數(shù)據(jù)源中映射并取出，進(jìn)行幅度和角度的計算，從而得到圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)；

統(tǒng)計模塊400，用于根據(jù)所述圖像塊的幅度數(shù)據(jù)和角度數(shù)據(jù)進(jìn)行直方圖統(tǒng)計，得到各個圖像塊的直方圖；

歸一化模塊500，用于對所述多個圖像塊的直方圖進(jìn)行歸一化處理，得到原始圖像的Hog特征值。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述分塊模塊100具體包括：

分塊單元，用于對輸入的原始圖像進(jìn)行分塊，得到多個圖像塊；

分配單元，用于將所述多個圖像塊輸入到GPU中，對所述多個圖像塊分配執(zhí)行資源，從而將所述多個圖像塊分配給相應(yīng)的線程塊。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述開方模塊200具體包括：

灰度處理單元，用于對所述圖像塊的像素數(shù)據(jù)進(jìn)行灰度化處理，得到圖像塊的灰度值；

開方校正單元，用于對所述圖像塊的灰度值進(jìn)行開方校正，得到圖像塊的開方數(shù)據(jù)。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述數(shù)據(jù)計算模塊300具體包括：

縮放單元，用于對圖像塊的開方數(shù)據(jù)進(jìn)行縮放，縮放公式為：其中，fscale＝1.06ⁿ，n∈[0，18)，n為縮放次數(shù)；wide為圖像塊的原始寬度，height為圖像塊的原始高度；wide’為圖像塊縮放后的寬度，height’為圖像塊縮放后的高度；

幅度及角度計算單元，用于計算圖像塊的幅度值和角度值，所述幅度值的計算公式為：所述角度值的計算公式為：其中，I_(x1+1，y1)-I_{(x1-1，y1)}為圖像塊中像素點(x,y)處的水平方向梯度，I_(x1，y1+1)-I_(x1，y1-1)為圖像塊中像素點(x,y)處的垂直方向梯度。

所述的Hog并行化設(shè)計改進(jìn)系統(tǒng)，其中，所述統(tǒng)計模塊400具體包括：

矩陣劃分單元，用于將圖像塊分成4個cell權(quán)重矩陣，所述4個cell權(quán)重矩陣分別為cell0、cell1、cell2和cell3；

區(qū)域計算單元，用于分別計算圖像塊中與所述4個cell權(quán)重矩陣分量計算有關(guān)的值，得到4個對cell權(quán)重矩陣有影響的區(qū)域；

投影單元，用于將所述4個對cell權(quán)重矩陣有影響的區(qū)域分別投影到直方圖的長度范圍內(nèi)，得到圖像塊的統(tǒng)計直方圖。

綜上所述，本發(fā)明提供一種Hog并行化設(shè)計方法及系統(tǒng)，相對于現(xiàn)有的Hog設(shè)計，本發(fā)明的Hog設(shè)計減少了n-1次的開方運算，提高了運算效率；減少了cuda核心對存儲器寬帶的依賴，提高了cuda核心的執(zhí)行效率；實現(xiàn)了一個線程塊輸出兩個圖像塊的直方圖，提高了執(zhí)行效率。

應(yīng)當(dāng)理解的是，本發(fā)明的應(yīng)用不限于上述的舉例，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換，例如，所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。