关于VS2010+cuda4.2+opencv2.4.3的配置

前一段时间做了些人脸检测的工作，对opencv中的分类器算法很感兴趣，但是cpu下速度很慢，几乎半秒一帧，实在无法忍受，于是后来做了些肤色加分类器的工作，由于不是计算机专业出身（本人是学光学工程的。。。），所以优化代码水平十分不足，准确率和速度根本无法兼顾。前几天查到资料说opencv2.2版本之后就已经加入了基于cuda的GPU加速，于是决定做一下实验。

整个过程花费了我几乎一周的时间，事实上这一周我有时间就忙活这个，自己的实验和论文校正都被搁置在一边，各种google，今天下午终于成功了！——我说的是配置成功了，因为我觉得这个东西实在是太难配置了。

我先描述下我这几天的工作，我办公室的电脑没有显卡，于是我之前用我的很挫很挫的笔记本做实验（09年买的Y450，装了好几个版本的cuda，发现它支持的最高版本是3.2），需要指出的是，cuda3.2和opencv2.2是匹配的，但是opencv2.2刚开始加入了gpu功能，所以它的函数很少，对于我这样基础不好的，几乎没有什么应用价值。所以虽然我花了一天的时间使用CMake重新编译了opencv的dll们，而且可以使用，但是我还是决定不使用这个“低端”的组合。

于是昨天开始到楼下实验室的电脑上“搞破坏”，我合计上次弄得组合太低端，这回我直接玩高级的吧，于是下了个cuda5.5,（我没下cuda6.0就不错了），下载完一看这都什么乱七八糟的啊，网上也没有教程教我怎么和opencv配合呀，就告诉我cmake这是闹哪样！！其实cuda5.5是在六维下载的，我就是图它下载的快。

英伟达的官网下东西好慢呀，我花了几乎半天的时间，下载了业界最看好的组合，就是cuda4.2+opencv2.4.3组合，这个组合可以保证你不用自己cmake，因为opencv2.4.3的build里已经事先cmake好了。

言归正题吧~

这两篇文章对我的帮助很大

点击打开链接

点击打开链接

比较重要的提示：如果你之前装过别的版本的cuda，那么一定要卸载干净，我之前按照这两篇博文所描述的方法没有配置成功，还搞死机了，已经到了系统还原的地步，不过还原到一个月前的存档点之后，再按照这些方法就成功了，不知道我遇到的是否是特例。。

首先根据自己电脑的配置到这里下载cuda4.2点击打开链接 toolkit driver SDK都要下载

实验室的电脑是64位台式机，所以下载之后的是这些



这几个程序没有严格的安装顺序。

当我安装driver的时候，弹出提示，无法找到兼容的图形硬件。

参考了这篇文章，但是并不完全，我们的显卡是GTX760，对应的是1187，所以打开C:\NVIDIA\DisplayDriver\301.32\WinVista_Win7_64\English\Display.Driver路径下的nv_disp.inf文件，记事本打开修改。可以去这里查看之间的对应关系。

然后安装opencv2.4.3，到官网下载，然后解压。

接下来按照前面提到的两篇文章来添加和移动一些dll和lib文件：（注意x64与x86的区别）

1、dll文件：NVIDIA GPU Computing Toolkit\CUDA\v4.2\bin中的cudart64_42_9.dll，cufft64_42_9.dll，npp64_42_9.dll
以及D:\ OpenCV2.4.3\opencv\build\gpu\x64\vc10\bin中的所有dll文件，全部复制并替换到D:\OpenCV2.4.3\opencv\build\x64\vc10\bin中，然后一定记得要在环境变量中的path中添加D:\OpenCV2.4.3\opencv\build\x64\vc10\bin这个路径

2、lib文件：将D:\OpenCV2.4.3\opencv\build\gpu\x64\vc10\lib中的lib们复制替换到D:\OpenCV2.4.3\opencv\build\x64\vc10\lib中。

至此为止，配置工作基本完成了，接下就是VS2010中的include和lib和附加依赖项的配置了，这些网上有很多资料。再次简单叙述一下：

include添加

D:\OpenCV2.4.3\opencv\build\include

lib添加

D:\OpenCV2.4.3\opencv\build\x64\vc10\lib

附加依赖项添加（存在记事本里，每次都这些，够偷懒的~）

opencv_calib3d243d.lib

opencv_contrib243d.lib

opencv_core243d.lib

opencv_features2d243d.lib

opencv_flann243d.lib

opencv_gpu243d.lib

opencv_highgui243d.lib

opencv_imgproc243d.lib

opencv_legacy243d.lib

opencv_ml243d.lib

opencv_objdetect243d.lib

opencv_ts243d.lib

opencv_video243d.lib

然后就可以运行这个代码

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/contrib/contrib.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/gpu/gpu.hpp>
#include <vector>

using namespace std;
using namespace cv;
using namespace cv::gpu;

void main()
{
string cascadeName = "haarcascade_frontalface_alt.xml";
CascadeClassifier_GPU cascade_gpu;
VideoCapture capture(0);
if(!capture.isOpened()) return;

int gpuCnt = getCudaEnabledDeviceCount();   // gpuCnt >0 if CUDA device detected
cout<<gpuCnt<<endl;
if(gpuCnt==0) return;

if(!cascade_gpu.load(cascadeName))
return;

Mat frame;

while(true)
{
capture >> frame;
double t = (double)getTickCount();

GpuMat faces;
Mat frame_gray;
cvtColor(frame, frame_gray, CV_BGR2GRAY);
GpuMat gray_gpu(frame_gray);
equalizeHist(frame_gray,frame_gray);

int detect_num = cascade_gpu.detectMultiScale(
gray_gpu, faces,
1.2, 4, Size(20, 20) );
Mat obj_host;
faces.colRange(0, detect_num).download(obj_host);

Rect* cfaces = obj_host.ptr<Rect>();

for(int i=0;i<detect_num;++i)
{
Point pt1 = cfaces[i].tl();
Size sz = cfaces[i].size();
Point pt2(pt1.x+sz.width, pt1.y+sz.height);
rectangle(frame, pt1, pt2, Scalar(255),3,8,0);
}

t=((double)getTickCount()-t)/((double)cvGetTickFrequency()*1000.);
cout<<t<<"  ms     "<<1000/t<<"  fps"<<endl;
imshow("faces", frame);
if(waitKey(1)==27) break;
}
}

我得到了大约27fps的帧频，速度相当满意，下一周可以以此开始实验了。

欢迎交流~