基于FPGA的弱光人脸检测的研究

发布时间：2021-08-09 17:55

　　目前基于人工智能的人脸检测技术得到了迅速的发展,应用在人脸检测、公安抓拍及边缘计算等领域。在以卷积神经网络为基础的人脸检测技术得到广泛应用的同时,夜间等弱光场景下的人脸检测挑战也随之浮现。目前的人脸检测技术主要通过软件方式实现在计算机等平台,随着5G时代的到来,更多的人脸检测产品将朝小型化、低成本等方向发展,对现有基于软件的人脸检测技术提出了一定的挑战。论文针对这一问题,主要研究弱光下的人脸检测技术的硬件设计及实现。论文首先阐述了人脸检测的技术背景,并分析了国内外人脸检测的研究现状,探讨了不同人脸检测算法及其在不同硬件上的研究。由弱光下的检测问题引出论文对弱光条件下基于FPGA的人脸检测的技术进行的研究,并介绍了图像增强算法以及MTCNN算法的基本原理。论文针对弱光下的人脸检测技术的硬件设计主要开展了以下几个方面的研究:1、MTCNN中神经网络的硬件设计。该部分为提取人脸特征,计算人脸目标框偏置。设计中采用了BRAM分块搭配可任意配置卷积核大小的卷积操作方式,来降低对卷积核数据提取的次数,并可以一次性输出6*6的数据块以及适应两种情况的全连接计算方式等。2、MTCNN中图像Resize... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：105 页

【学位级别】：硕士

【部分图文】：

LeNet-5手写体识别神经网络架构

第四章弱光人脸检测中图像增强的硬件设计图4-8除法PE阵列模块4.5本章小结本章主要是根据图像增强部分的软件算法的特点，设计了相应的硬件处理架构，包括卷积计算中的BRAM分块、卷积S窗口滑动以及卷积核解压缩等。整个硬件架构均由VerilogHDL语言编写，可以对硬件架构有着更高的设计自由度。本章的图像增强硬件设计内容是上文基于FPGA的弱光下人脸检测的设计基础，起着前导预处理的作用，可以预处理黑暗等弱光条件下的人脸图像，能够为后续的MTCNN提供更加稳定可靠的输入。图像增强作为MTCNN人脸检测的前导基础预处理模块，其与MTCNN的整体组成关系如下图4-9所示。图4-9图像增强与MTCNN组成关系图57

【参考文献】：
期刊论文
[1]基于人脸检测的大学课堂关注度研究[J]. 唐康,先强,李明勇.  重庆师范大学学报(自然科学版). 2019(05)



本文编号：3332531