人脸特征检测作为模式识别和机器视觉的一个重要研究方向,在身份识别、基于内容的检索、新一代人机交互等应用领域都得到了广泛的研究。由于这些应用都具有实时性的约束,因此如何加快人脸特征检测的速度就成为了人脸检测方面研究的重要课题。计算统一设备架构(CUDA ,Compute Unified Device Architecture)开启了使用GPU强大计算能力做通用计算的大门,使得开发者能够在友好的开发环境中充分挖掘GPU的计算能力,使得基于CPU+GPU的高效计算模式成为可能,为实现人脸特征检测的实时性提供了新的有效技术支持。本文根据图像处理算法及人脸特征检测算法,提出了一种基于CPU+GPU桌面集群的人脸特征检测系统,利用GPU的高数据并行计算能力及其内部高数据带宽,实现流多处理器间的粗粒度任务级级并行,以及流多处理器内的细粒度数据并行,从而极大地提高算法的运行速度,以实现对人脸特征的实时检测。其中,将处理任务进行合理的划分(将算法中耗费时间多的大规模数据并行、高计算密度的部分映射到GPU端,算法中的其他部分则映射到CPU端)以及GPU端的任务并行性设计是本文的主要研究内容。本文将该系统在GTX260上进行了验证,对于分辨率为640*480的24位BMP位图,图像处理速度可达71ms/f,检测率为94% ,达到了相关应用的实时性要求,为基于桌面系统的各种实时性人机交互领域提供了有效支持。