發(fā)布時(shí)間：2020-05-23 02:07

【摘要】：卷積神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于圖像識(shí)別領(lǐng)域,本文提出一個(gè)基于FPGA的人臉識(shí)別系統(tǒng),采用卷積神經(jīng)網(wǎng)絡(luò)算法,實(shí)現(xiàn)對(duì)人臉的識(shí)別。系統(tǒng)采用了包括圖像裁剪,卷積,激活函數(shù),池化,流水線處理以及并行處理多個(gè)卷積核的硬件設(shè)計(jì)技術(shù)。利用硬件電路并行計(jì)算的特點(diǎn),加速人臉檢測系統(tǒng)處理速度。在設(shè)計(jì)硬件結(jié)構(gòu)時(shí)充分考慮了神經(jīng)網(wǎng)絡(luò)的擴(kuò)展性,能夠一定程度上改變神經(jīng)網(wǎng)絡(luò)的超參數(shù),根據(jù)不同訓(xùn)練過程的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),可以通過腳本語言創(chuàng)建必要的Verilog文件。本文所提出的人臉檢測架構(gòu)使用Verilog HDL進(jìn)行設(shè)計(jì),并在Altera DE2 FPGA開發(fā)板中實(shí)現(xiàn)。卷積神經(jīng)網(wǎng)絡(luò)分為訓(xùn)練過程和識(shí)別過程,該項(xiàng)研究通過MATLAB對(duì)Public Figures Face Database人臉數(shù)據(jù)庫的檢測實(shí)現(xiàn)對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法的仿真驗(yàn)證,并討論了諸如交叉熵代價(jià)函數(shù),規(guī)范化,參數(shù)初始化等優(yōu)化方法。進(jìn)一步搭建了一個(gè)基于FPGA的人臉檢測系統(tǒng)。人臉檢測的訓(xùn)練過程通過MATLAB訓(xùn)練完成,識(shí)別過程則在FPGA平臺(tái)上實(shí)現(xiàn)。該系統(tǒng)采用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有一個(gè)輸入層,一個(gè)卷積層,一個(gè)池化層和一個(gè)輸出層。系統(tǒng)具有速度快,識(shí)別率高的特點(diǎn)。在FPGA的硬件平臺(tái)中對(duì)卷積和池化對(duì)應(yīng)的電路結(jié)構(gòu)設(shè)計(jì)能夠有效的減少延遲并且保持較高的吞吐率。通過MATLAB的對(duì)算法的仿真,對(duì)于人臉數(shù)據(jù)庫Public Figures Face Database的識(shí)別率達(dá)到64.32%。人臉數(shù)據(jù)集的訓(xùn)練的過程在MATLAB上完成,然后通過腳本語言將訓(xùn)練得到的權(quán)重值,偏置及其他參數(shù)傳遞到Verilog文件,用以搭建FPGA硬件平臺(tái)。利用FPGA搭建對(duì)應(yīng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的硬件平臺(tái)配備了攝像頭及圖像采集模塊,實(shí)現(xiàn)對(duì)現(xiàn)實(shí)中的人臉的采集并對(duì)之進(jìn)行預(yù)處理,然后供神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別,仿真結(jié)果表明系統(tǒng)能夠可靠的對(duì)人臉進(jìn)行識(shí)別。
【圖文】：

圖 3-5 訓(xùn)練集上的準(zhǔn)確率Fig. 3-5 Accuracy on the test set結(jié)了如何在實(shí)際工程搭建一個(gè)神經(jīng)網(wǎng)絡(luò)，對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)絡(luò)的超參數(shù)，如卷積層數(shù)，池化層數(shù)以及每一層所包含誤差的反向傳播過程以及權(quán)重的迭代計(jì)算過程，并討論能的方法，包括交叉代價(jià)函數(shù)，參數(shù)初始化和規(guī)范化。

圖 5-1 公共人物臉部數(shù)據(jù)集Fig.5-1 Public Figures Face Database5.2 圖像采集模塊功能驗(yàn)證如圖 5-2 所示，圖像采集模塊功能驗(yàn)證部分由攝像頭，DE2 開發(fā)板，vga接口的顯示器。圖像采集模塊將解碼后的圖像數(shù)據(jù)發(fā)送到顯示器上顯示，，同時(shí)將圖像數(shù)據(jù)發(fā)送給神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的部分以供識(shí)別。從圖中可以看出，系統(tǒng)能夠成功的獲取攝像頭采集到的數(shù)據(jù)，并顯示到屏幕上。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TN791

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測法[J];金融經(jīng)濟(jì);2017年18期

2 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[J];電工技術(shù);2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2676966