目前基于人工智能的人臉檢測技術(shù)得到了迅速的發(fā)展,應(yīng)用在人臉檢測、公安抓拍及邊緣計(jì)算等領(lǐng)域。在以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的人臉檢測技術(shù)得到廣泛應(yīng)用的同時(shí),夜間等弱光場景下的人臉檢測挑戰(zhàn)也隨之浮現(xiàn)。目前的人臉檢測技術(shù)主要通過軟件方式實(shí)現(xiàn)在計(jì)算機(jī)等平臺(tái),隨著5G時(shí)代的到來,更多的人臉檢測產(chǎn)品將朝小型化、低成本等方向發(fā)展,對(duì)現(xiàn)有基于軟件的人臉檢測技術(shù)提出了一定的挑戰(zhàn)。論文針對(duì)這一問題,主要研究弱光下的人臉檢測技術(shù)的硬件設(shè)計(jì)及實(shí)現(xiàn)。論文首先闡述了人臉檢測的技術(shù)背景,并分析了國內(nèi)外人臉檢測的研究現(xiàn)狀,探討了不同人臉檢測算法及其在不同硬件上的研究。由弱光下的檢測問題引出論文對(duì)弱光條件下基于FPGA的人臉檢測的技術(shù)進(jìn)行的研究,并介紹了圖像增強(qiáng)算法以及MTCNN算法的基本原理。論文針對(duì)弱光下的人臉檢測技術(shù)的硬件設(shè)計(jì)主要開展了以下幾個(gè)方面的研究:1、MTCNN中神經(jīng)網(wǎng)絡(luò)的硬件設(shè)計(jì)。該部分為提取人臉特征,計(jì)算人臉目標(biāo)框偏置。設(shè)計(jì)中采用了BRAM分塊搭配可任意配置卷積核大小的卷積操作方式,來降低對(duì)卷積核數(shù)據(jù)提取的次數(shù),并可以一次性輸出6*6的數(shù)據(jù)塊以及適應(yīng)兩種情況的全連接計(jì)算方式等。2、MTCNN中圖像Resize... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：105 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LeNet-5手寫體識(shí)別神經(jīng)網(wǎng)絡(luò)架構(gòu)

第四章弱光人臉檢測中圖像增強(qiáng)的硬件設(shè)計(jì)圖4-8除法PE陣列模塊4.5本章小結(jié)本章主要是根據(jù)圖像增強(qiáng)部分的軟件算法的特點(diǎn)，設(shè)計(jì)了相應(yīng)的硬件處理架構(gòu)，包括卷積計(jì)算中的BRAM分塊、卷積S窗口滑動(dòng)以及卷積核解壓縮等。整個(gè)硬件架構(gòu)均由VerilogHDL語言編寫，可以對(duì)硬件架構(gòu)有著更高的設(shè)計(jì)自由度。本章的圖像增強(qiáng)硬件設(shè)計(jì)內(nèi)容是上文基于FPGA的弱光下人臉檢測的設(shè)計(jì)基礎(chǔ)，起著前導(dǎo)預(yù)處理的作用，可以預(yù)處理黑暗等弱光條件下的人臉圖像，能夠?yàn)楹罄m(xù)的MTCNN提供更加穩(wěn)定可靠的輸入。圖像增強(qiáng)作為MTCNN人臉檢測的前導(dǎo)基礎(chǔ)預(yù)處理模塊，其與MTCNN的整體組成關(guān)系如下圖4-9所示。圖4-9圖像增強(qiáng)與MTCNN組成關(guān)系圖57

【參考文獻(xiàn)】：
期刊論文
[1]基于人臉檢測的大學(xué)課堂關(guān)注度研究[J]. 唐康,先強(qiáng),李明勇.  重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)



本文編號(hào)：3332531