شناسایی اشیاء حالت خاصی از شناسایی الگو می باشد. شناسایی الگو به مجموعه ای از متدها گفته می شود که هدف آن ها طبقه بندی اشیاء در کلاس های مختلف است. بر حسب کاربرد مورد نظر اشیاء می توانند تصاویر، سیگنال های صوتی و یا هر مقداری که نیاز به طبقه بندی دارد باشند. در "شناسایی اشیاء در تصاویر" پردازش روی تصویر شئ مورد نظر صورت می پذیرد. به طور کلی مراحل شناسایی الگو و به تبع آن مراحل شناسایی اشیاء را می توان به دو بخش استخراج ویژگی ها و طبقه بندی آن ها تقسیم کرد. استخراج ویژگی ها به منظور کم کردن حجم اطلاعات مورد پردازش و استخراج الگو صورت می پذیرد. برای مثال در شناسایی اشیاء به جای این که کل عکس در پایگاه داده ها ذخیره شده و هنگام بازشناسی مورد پردازش قرار گیرد، تنها تعدادی ویژگی از آن استخراج شده و پردازش روی این ویژگی ها صورت می پذیرد. به علاوه با استخراج ویژگی های مناسب تنها با آموزش تعداد محدودی از داده ها کل اشیاء موجود در تصاویر پایگاه داده ها را شناسایی کرد. در این پروژه تمرکز بر روی موازی سازی استخراج ویژگی ها از تصویر به منظور شناسایی اشیاء درون آن است. با وجود انجام تحقیقات فراوان در زمینه ی تشخیص اشیاء مشاهده می شود که هنوز درصد شناسایی سیستم های تشخیص اشیاء به حدی نرسیده است که بتوان از این سیستم ها در کاربردهای واقعی بهره جست. یک دلیل این امر زمانگیر بودن پردازش های انجام شده بر روی تصاویر می باشد که از یک سو باعث شده که نتوان از ویژگی های با دقت بالا اما زمانبر، در سیستم های تشخیص اشیاء استفاده کرد و از سوی دیگر استفاده از اینگونه سیستم ها را در کاربردهای بلادرنگ ناممکن ساخته است. برای غلبه بر این مشکل می توان از الگوریتم های موازی استفاده کرد. موازی سازی سیستم های تشخیص اشیاء را می توان در دو سطح بررسی کرد. در سطح اول می توان موازی سازی را برای پردازشی که بر روی یک تصویر به منظور استخراج ویژگی ها صورت می پذیرد انجام داد. و در سطح بعد می توان از الگوریتم های موازی برای طبقه بندی و تست داده ها استفاده کرد. برای موازی سازی مرحله استخراج ویژگی ها از تصاویر ابتدا الگوریتم انتخاب شده برای استخراج ویژگی ها را به صورت موازی، طراحی خواهیم کرد و سپس آن را بر روی یک پلت فرم موازی پیاده سازی کرده و اجرا خواهیم نمود. اخیراً واحدهای پردازنده ی گرافیکی به سبب کارایی بالا، قیمت مناسب و در دسترس بودن، بسیار مورد توجه قرار گفته اند. این واحدها پردازنده های ساده ای هستند که به منظور انجام محاسبات گرافیکی در کارت های گرافیکی قرار گرفته اند. هر کارت گرافیکی شامل تعداد زیادی از این پردازنده های ساده است که هر یک وظیفه ی پردازش تصویر در قسمتی از صفحه ی نمایش را بر عهده دارد. اخیراً شرکت های سازنده ی کارت های گرافیکی، به کاربران اجازه ی بکارگیری قدرت محاسباتی این پردازنده ها را در برنامه های خود داده اند. اجرای همزمان چندین نخ به صورت همزمان باعث می شود که یک کارت گرافیکی ساده قادر باشد تا چند برابر سریعتر از یک کامپیوتر قدرتمند، عملیات حسابی را انجام دهد. به این ترتیب می توان از این کارت های گرافیکی به عنوان پلت فرمی برای پیاده سازی الگوریتم های موازی استفاده نمود. محدودیت این پلت فرم را می توان در حافظه ی کم آن دانست. به همین دلیل برای کارهایی که نیازمند حافظه ی زیاد هستند، مانند جستجو در پایگاه داده، استفاده از پردازنده ی گرافیکی تسریع چندانی را در پی نخواهد داشت. اما در کارهای محاسباتی استفاده از این پلت فرم بسیار مناسب می باشد. در این پژوهش شناسایی اشیاء مربوط به وسایل نقلیه که عبارتند از ماشین، اتوبوس، دوچرخه، موتور سیکلت و هواپیما مد نظر می باشد. برای این منظور از تصاویر پایگاه داده ی پاسکال 2007 استفاده شده است.