OpenCV4.x+ CUDA概述

OpenCV4.x中關(guān)于CUDA加速的內(nèi)容主要有兩個(gè)部分，第一部分是之前OpenCV支持的圖像處理與對象檢測傳統(tǒng)算法的CUDA加速；第二部分是OpenCV4.2版本之后開始支持的針對深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型的CUDA加速。這些內(nèi)容都在OpenCV的擴(kuò)展模塊中，想要獲取這OpenCV CUDA的支持，必須首先編譯OpenCV CUDA相關(guān)的模塊，這里主要是開展模塊以CUDA開頭的那些。此外編譯的電腦或者PC必須有N卡（英偉達(dá)GPU卡），并且按照好了正確版本的驅(qū)動(dòng)與cuDNN支持軟件。本文分為兩個(gè)部分來說明如何在OpenCV中實(shí)現(xiàn)CUDA加速，第一部分是實(shí)現(xiàn)CUDA支持版本OpenCV編譯，第二部分是OpenCV CUDA SDK編程代碼演示。

01

OpenCV+CUDA編譯與配置

首先說一下系統(tǒng)與相關(guān)軟件版本：

Window 10 x64

VS2015專業(yè)版

CMake 3.17.1

OpenCV4.4.0

OpenCV_contrib-4.4.0

CUDA10.0

cuDNN7.0

OpenCV4.4下載地址

https://github.com/opencv/opencv/releases/download/4.4.0/opencv-4.4.0-vc14_vc15.exe

OpenCV4.4擴(kuò)展模塊下載地址：

https://github.com/opencv/opencv_contrib/archive/4.4.0.zip

下載好OpenCV4.4極其擴(kuò)展模塊之后，我們就開始下面的編譯步驟。

第一步：打開CMake，設(shè)置好下面的目錄路徑，注意源代碼路徑需要指向真實(shí)的OpenCV的source目錄。圖示如下：

第一次運(yùn)行，記得參數(shù)選擇x64

如果成功運(yùn)行了config之后，請繼續(xù)完成下面的設(shè)置。

第二步：設(shè)置擴(kuò)展模塊路徑，勾選所有CUDA選項(xiàng)再次點(diǎn)擊config

點(diǎn)擊config運(yùn)行之后，再點(diǎn)擊generate安裝，如果一切OK即可完成CMake部分，下面就是到build的目錄下：

D:opencv-4.4.0opencvcudabuild

雙擊打開OpenCV.sln工程文件，切換到release模型下，右鍵點(diǎn)擊ALL_BUILD選擇【生成….】運(yùn)行完成，再次右鍵選擇install，選擇【生成…】這兩次過程都會(huì)比較漫長，編譯完成之后，就會(huì)得到intall目錄，我們需要的就是它，其它都可以刪掉了。這樣我們就完成了OpenCV CUDA的編譯。

注意點(diǎn)：

可能看我編譯最多30分鐘完成這些操作（等待時(shí)間不計(jì)在內(nèi)），但是第一次這么干的新手會(huì)遇到各種問題，其中最常見的一個(gè)網(wǎng)絡(luò)問題就是無法下載第三方庫，導(dǎo)致CMake編譯失敗，這里時(shí)候需要手動(dòng)下載一下，然后copy到

D:opencv-4.4.0opencvsources3rdparty

文件下對于目錄內(nèi)即可。

在config的擴(kuò)展模塊的時(shí)候，請去掉所有test相關(guān)的模塊，然后選擇不編譯opencv_face模塊，原因是它會(huì)下載一些東西，但是網(wǎng)絡(luò)無法連接，這樣就可以cmake失敗。

完成了整個(gè)編譯過程之后，生成install之后就可以來配置OpenCV CUDA支持啦！跟配置正常OpenCV4版本相似，唯一不同的就是這里沒有opencv_world440.lib文件了，而且根據(jù)各個(gè)模型生成lib，需要把這些lib全部添加到鏈接器中，然后把庫目錄與包含目錄原來指向目錄都改到指向編譯以后的install內(nèi)相關(guān)目錄路徑，把vc14/bin目錄添加環(huán)境變量中去。重啟VS2015，即可完成全部配置過程。

上述步驟的詳細(xì)操作，B站視頻，直接這里觀看！

https://www.bilibili.com/video/BV1Rp4y1a7cm/

02

CUDA加速演示

OpenCV支持傳統(tǒng)的圖像處理的CUDA加速，從OpenCV4.2開始支持深度神經(jīng)網(wǎng)絡(luò)的CUDA加速，因此在OpenCV4.4中，CUDA是既可以加速傳統(tǒng)的圖像處理，特征與對象檢測；又可以支持深度神經(jīng)網(wǎng)絡(luò)的CUDA加速。下面的代碼首先查詢相關(guān)GPU

1cuda::getDevice());
2intcount=cuda::getCudaEnabledDeviceCount();
3if(count>0){
4printf("GPUDeviceCount:%d
",count);
5}

設(shè)備信息，代碼與運(yùn)行截圖如下：

DNN人臉檢測加速

CPU上運(yùn)行OpenCV DNN人臉檢測：

GPU上運(yùn)行OpenCV DNN人臉檢測：

視頻背景分析

可以看出，無論是對傳統(tǒng)圖像處理的視頻背景分析，還是基于深度學(xué)習(xí)DNN人臉檢測，OpenCV CUDA都可以取得很好的加速效果。

注意：OpenCV4.4的CUDA導(dǎo)入跟之前的方式有所不同，模型頭文件更加模塊化，需要導(dǎo)入的頭文件如下：

1#include
2#include
3#include
4#include
5#include
6#include
7#include