广义霍夫变换在多目标检测领域的应用及优化

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (17): 203-207.

广义霍夫变换在多目标检测领域的应用及优化

王彦1，2，吴俊敏1，2，郑焕鑫1

1.中国科学技术大学苏州研究院，江苏苏州 215123
2.中国科学技术大学计算机科学与技术学院，合肥 230027

出版日期:2016-09-01 发布日期:2016-09-14

Application and optimization for generalized Hough transform in field of multiple object detection

WANG Yan1，2, WU Junmin1，2, ZHENG Huanxin1

1.Suzhou Institute, University of Science and Technology of China, Suzhou, Jiangsu 215123, China
2.School of Computer Science and Technology, University of Science and Technology of China, Hefei 230027, China

Online:2016-09-01 Published:2016-09-14

摘要/Abstract

摘要： 分析了广义霍夫变换（GHT）的原理及在目标检测领域的已有研究，在原单目标检测的基础上，加入了多个相似目标物体检测与计数的能力，根据阈值的设定，能够快速准确地从图像中同时识别出多个目标物体，并记录下各目标物体的相关位置信息。利用GPU对GHT算法进行加速，充分挖掘算法各个步骤的潜在并行性，并结合GPU中的各种存储器优化方法，合理安排各存储器的存储数据，实验结果表明，GPU极大提升了算法的运行速度。

关键词: 目标检测, 物体计数, 广义霍夫变换（GHT）, 图像处理器（GPU）

Abstract: The analysis about the theory of Generalized HoughTransform（GHT） and the existing research in the field of object detection is presented. Based on the original single object detection, the ability of multiple similar objects detection and counting is added. According to the threshold setting, many objects are identified quickly and accurately from the image, and the related position information of these objects is recorded. GHT algorithm is accelerated on GPU by exploiting the potential parallelism in the various steps of the algorithm and reasonably optimizing the memory using of GPU. The experimental results indicate that, GPU greatly enhances the running speed of the algorithm.

Key words: object detection, object counting, Generalized Hough Transform（GHT）, Graphics Processing Unit（GPU）

王彦1，2，吴俊敏1，2，郑焕鑫1. 广义霍夫变换在多目标检测领域的应用及优化[J]. 计算机工程与应用, 2016, 52(17): 203-207.

WANG Yan1，2, WU Junmin1，2, ZHENG Huanxin1. Application and optimization for generalized Hough transform in field of multiple object detection[J]. Computer Engineering and Applications, 2016, 52(17): 203-207.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[5]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[6]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[7]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[8]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[9]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[10]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[11]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[12]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[13]	沈新烽，姜平，周根荣. 改进SSD算法在零部件检测中的应用研究[J]. 计算机工程与应用, 2021, 57(7): 257-262.
[14]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[15]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.