OpenCV4.x+ CUDA概述

OpenCV4.x中關于CUDA加速的內容主要有兩個部分，第一部分是之前OpenCV支持的圖像處理與對象檢測傳統算法的CUDA加速；第二部分是OpenCV4.2版本之后開始支持的針對深度學習卷積神經網絡模型的CUDA加速。這些內容都在OpenCV的擴展模塊中，想要獲取這OpenCV CUDA的支持，必須首先編譯OpenCV CUDA相關的模塊，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GPU卡），并且按照好了正確版本的驅動與cuDNN支持軟件。本文分為兩個部分來說明如何在OpenCV中實現CUDA加速，第一部分是實現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

首先說一下系統與相關軟件版本：

Window 10 x64

VS2015專業版

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極其擴展模塊之后，我們就開始下面的編譯步驟。

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

第一次運行，記得參數選擇x64

如果成功運行了config之后，請繼續完成下面的設置。

第二步：設置擴展模塊路徑，勾選所有CUDA選項再次點擊config

點擊config運行之后，再點擊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，右鍵點擊ALL_BUILD選擇【生成….】運行完成，再次右鍵選擇install，選擇【生成…】這兩次過程都會比較漫長，編譯完成之后，就會得到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：

可能看我編譯最多30分鐘完成這些操作（等待時間不計在內），但是第一次這么干的新手會遇到各種問題，其中最常見的一個網絡問題就是無法下載第三方庫，導致CMake編譯失敗，這里時候需要手動下載一下，然后copy到

D:opencv-4.4.0opencvsources3rdparty

文件下對于目錄內即可。

在config的擴展模塊的時候，請去掉所有test相關的模塊，然后選擇不編譯opencv_face模塊，原因是它會下載一些東西，但是網絡無法連接，這樣就可以cmake失敗。

完成了整個編譯過程之后，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，而且根據各個模型生成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內相關目錄路徑，把vc14/bin目錄添加環境變量中去。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支持傳統的圖像處理的CUDA加速，從OpenCV4.2開始支持深度神經網絡的CUDA加速，因此在OpenCV4.4中，CUDA是既可以加速傳統的圖像處理，特征與對象檢測；又可以支持深度神經網絡的CUDA加速。下面的代碼首先查詢相關GPU

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

設備信息，代碼與運行截圖如下：

DNN人臉檢測加速

CPU上運行OpenCV DNN人臉檢測：

GPU上運行OpenCV DNN人臉檢測：

視頻背景分析

可以看出，無論是對傳統圖像處理的視頻背景分析，還是基于深度學習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導入跟之前的方式有所不同，模型頭文件更加模塊化，需要導入的頭文件如下：

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