GPU利用でCPU単独の40倍の高速で，歩行者を検出

　豊田中央研究所では，GPUによる処理を利用した，ITSにおける歩行者検出技術の開発に取り組んでいます。歩行者検出技術とは，ドライバーにとって危険な歩行者をその向きによって判定するもので，歩行者の行動を形状として捉える特徴量で判断します。
　近年，パターン認識の分野で広く使われているのがHOG（Histograms of Oriented Gradients)特徴で，小領域におけるエッジ勾配ごとの頻度（ヒストグラム）をならべ，一定領域における，おおまかな物体形状を記述します。それに対して，私たちが開発したのが特徴量間の関係に着目したFIND（Feature Interaction Descriptor）特徴で，対象の輪郭形状をより精緻に表現，HOG特徴より高い識別性能があります（図2）。 　私たちは，粗いHOGで歩行者候補を抽出し，HOGで歩行者候補を絞り込み，FINDで歩行者を検出・姿勢を推定するという3段のカスケード方式で，段階的に細かく見ていき，歩行者を検出します。また，歩行者の向きや距離により，見え方に大きな違いが生じるため，多様な学習サンプルで構築された単一の識別器では，安定的な検出が困難です。そこで，向き別と距離別に演算する複数の識別器を導入，歩行者・被歩行者の識別と同時に，向きを判定します。これによって，複数識別器を使わない場合と比べて，検出性能を大きく向上させることに成功しました。
　3段カスケード方式では，1段目（HOG)の特徴次元数が384，2段目（HOG）が1056，3段目（FIND）が42,768と，次元数が多くなります。その結果，VGAで1フレームあたり280億回の四則計算が必要になり，最新のCPUでも1秒ほどかかってしまい，実用になりません。そこで，GPUを利用することにし，1つ目の候補枠の並列化はCPU，2つ目の候補枠走査の並列化と3つ目の候補枠内の識別演算の並列化はGPUで行う，3階層の並列化で処理することにしました。これによって，合計約650万スレッドを生成した並列演算が可能になり，CPUにIntel Corei7 3.2GHz，GPUにnVidia Geforce 580 GTXを使い，1CPUでの単独処理と比べて，約40倍の高速化を実現しました。
　現状のGPUでは消費電力が多く，車に搭載することはできませんが，nVidia社では車載用GPUの開発を進めており，2014年には2-3Wの消費電力で，Core2Quadを超えるチップがリリースされる予定です。その段階になれば，車載化が可能になると，GPUの進化に大きな期待を寄せています。