1.準備工作（需要用的軟件安裝）
1.1安裝VS2015
CUDA是以VS爲基礎的，因此要先安裝VS。安裝CUDA的時候會自動檢測VS的版本。安裝步驟較簡單，下載在線安裝程序之後雙擊即可，配置欄有關C++的都勾上，其中最重要的一項爲VC++，點擊下一步安裝。
1.2安裝CUDA
解壓和安裝路徑最好不要改，否則會出現找不到路徑之類的不要麻煩。
CUDA解壓完後會自動安裝，出現檢查系統兼容性的界面。如果你的顯卡適用的版本比CUDA版本高，則會出現硬件找不到的錯誤，不必理會，下一步安裝。
我的顯卡是GTX1050,CUDA版本是9.1.126，而我安裝的CUDA版本是9.1.85，因此會出現找不到硬件，不要緊，點擊“繼續”安裝
同意並繼續
選擇“自定義”->“下一步”
只勾選"CUDA"
這裏的安裝位置不要改，按默認的就行，“下一步"
之後便是等待安裝。。。。
安裝完：
使用nvcc -V查看是否安裝成功
1.3 安裝Cmake
百度上下載一個，版本不要太低也不要太高，我用的是3.10.1，下一步安裝就行，沒特別的。
1.4 下載opencv源碼
到opencv官網下載opencv源碼。
2.編譯opencv源碼
安裝好以上基礎工具之後可以進入下一步編譯opencv源碼了。
打開Cmake。
1處爲源代碼路徑，2處爲Cmake配置後的路徑。配置好之後點擊configure。
選擇“Visual Studio 14 2015 win64 ” 和 “use defalut native compilers" 後點擊Finish，等待配置完畢。 如果你的CUDA安裝正確會檢測到你的CUDA版本。在配置過程中會聯網下載點東西，如果這時候網絡不好的話會報錯，在Cmake編譯的Log文件中有需要下載的文件和文件對應的網址，可以等網絡好的時候再聯網下載，將下載好的文件放入原位置即可。
配置完成之後點擊生成（注意勾選WITH_CUDA）
在 VS2015界面 點擊 “ 生成”->“配置管理器”，在配置管理器中選擇 “ALL_BUILD"和”INSTALL“ ，生成即可 。這個時候看電腦速度了，我電腦是I7-8750H ,GTX1050 編譯了四個多小時。
編譯成功後在自己選的Cmake的Build路徑下會出現一個install文件夾，這個就是咱編譯後生成的文件。
3.運行CUDA代碼測試
3.1配置opencv運行環境
opencv運行環境配置不難，主要有兩個步驟：
3.1.1 配置系統環境變量
按照下圖順序進入到環境變量對話框，添加生成bin路徑。
3.1.2 VS2015包含庫路徑配置
按照自己的平臺添加屬性表，我的是Debug X64平臺，因此在Debug|X64下添加一個“OpencvProjectySheet"。在“OpencvProjectySheet"中的”VC++“目錄中添加包含目錄和庫目錄。
在”鏈接器“中添加宏定義。
這些庫文件全是自己通過VS2015編譯出來的。這個也是檢查自己編譯是否成功的標準，如果編譯不成功，則沒有庫文件；編譯成功則有需要的庫文件。
3.2測試例程（代碼）
3.2.1測試代碼
/*直接在cu文件中實現cuda與opencv混合編程*/
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <stdio.h>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2/cudaobjdetect.hpp>
using namespace std;
using namespace cv;
using namespace cuda;
#ifdef _DEBUG
#pragma comment ( lib,"opencv_core340d.lib")
#pragma comment ( lib,"opencv_highgui340d.lib")
#pragma comment ( lib,"opencv_calib3d340d.lib")
#pragma comment ( lib,"opencv_imgcodecs340d.lib")
#pragma comment ( lib,"opencv_imgproc340d.lib")
#pragma comment ( lib,"opencv_cudaimgproc340d.lib")
#pragma comment ( lib,"opencv_cudaarithm340d.lib")
#pragma comment ( lib,"cudart.lib")
#else
#pragma comment ( lib,"opencv_core340.lib")
#pragma comment ( lib,"opencv_highgui340.lib")
#pragma comment ( lib,"opencv_calib3d340.lib")
#pragma comment ( lib,"opencv_imgcodecs340.lib")
#pragma comment ( lib,"opencv_imgproc340.lib")
#pragma comment ( lib,"opencv_cudaimgproc340.lib")
#pragma comment ( lib,"opencv_cudaarithm340.lib")
#pragma comment ( lib,"cudart.lib")
#endif
//出錯處理函數
#define CHECK_ERROR(call){\
const cudaError_t err = call;\
if (err != cudaSuccess)\
{\
printf("Error:%s,%d,",__FILE__,__LINE__);\
printf("code:%d,reason:%s\n",err,cudaGetErrorString(err));\
exit(1);\
}\
}
int main(int argc, char **argv)
{
VideoCapture cap;
//cap.open("rtsp://admin:[email protected]:80/cam/realmonitor?channel=1&subtype=0");
cap.open(0);
if(!cap.isOpened())
return -1;
Mat frame;
cuda::GpuMat cu_dst;
Ptr<cuda::CascadeClassifier> cascade_gpu = cuda::CascadeClassifier::create("D:\\opencv3_4_0\\sources\\data\\haarcascades_cuda\\haarcascade_frontalface_default.xml");
vector<Rect> faces;
while (1)
{
cap >> frame;
if (frame.empty())
break;
cuda::GpuMat image_gpu(frame);
cascade_gpu->detectMultiScale(image_gpu, cu_dst);
cascade_gpu->convert(cu_dst, faces);
for (int i = 0; i < faces.size(); ++i)
rectangle(frame, faces[i], Scalar(255));
imshow("faces", frame);
//等待用戶按鍵
waitKey(1);
};
cap.release();
return 0;
/*以下代碼是用 一張圖片進行測試的*/
/*
Ptr<cuda::CascadeClassifier> cascade_gpu = cuda::CascadeClassifier::create("D:\\opencv3_4_0\\sources\\data\\haarcascades_cuda\\haarcascade_frontalface_default.xml");
Mat image_cpu = imread("D:\\opencv_work\\006.jpg");
imshow("image_cpu", image_cpu);
GpuMat image_gpu(image_cpu);
GpuMat objbuf;
cascade_gpu->detectMultiScale(image_gpu, objbuf);
std::vector<Rect> faces;
cascade_gpu->convert(objbuf, faces);
for (int i = 0; i < faces.size(); ++i)
cv::rectangle(image_cpu, faces[i], Scalar(255));
imshow("Faces", image_cpu);
waitKey(0);
destroyAllWindows();
return 0;
*/
}
3.2.2 實驗結果
調用攝像頭進行人臉識別，使用Opencv的CascadeClassifier分類器做運算量是及其大的，但從右側可以看到CPU的佔用率很低，說明主要的運算不在CPU，能快速執行這樣大運算量的地方也只有GPU了。
可以用CPU執行同樣的算法對比一下，右側的CPU佔用率極高。通過任務管理器看的話CPU佔用會達到100%。
進一步對比，cuda的CascadeClassifier識別命中率不如CPU的CascadeClassifier。