[發明專利]一種基于FPGA的人臉識別系統

在審

• 申請號: 201811404452.0
• 申請日: 2018-11-22
• 公開（公告）號: CN109697408A
• 公開（公告）日: 2019-04-30
• 發明（設計）人: 王建民;黃毅穎;李述;李瑞
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

一種基于FPGA的人臉識別系統，屬于圖像識別技術領域。本發明為了解決現有技術中提出的圖像識別系統存在時實性差、識別速度慢的問題。將解碼模塊解碼后的圖像數據傳輸到同步動態隨機存儲器中，同步動態隨機存儲器通過FPGA的數據選擇器進行解交織并將解交織后的結果傳遞給YUV轉化模塊，經RGB轉化模塊處理得到RGB格式的圖像數據分別輸出給VGA控制器模塊、窗口裁剪模塊，VGA控制器模塊通過視頻DAC芯片將采集到的人臉圖像在顯示器中顯示；窗口裁剪模塊用于提取待識別區域內的圖像數據并依次傳遞給卷積模塊、池化模塊、激活函數模塊和全連接層模塊，通過數碼管顯示識別結果。本發明主要用于人臉識別中。

技術領域

本發明涉及一種人臉識別系統，屬于圖像識別技術領域。本發明為了解決現有技術中提出的圖像識別系統存在時實性差、識別速度慢的問題。

背景技術

機器視覺中的圖像識別一直是一個活躍的研究領域。隨著5G時代的到來，圖像識別在物聯網，人機器接口，智能家居，生物醫學成像分析已經有廣泛的潛在應用價值。在早期用于圖像識別的方法中，許多諸如顏色，運動和紋理之類的簡單特征已經提出。然而由于現實世界的復雜性，這些識別方法容易失效。在眾多神經網絡結構中，結合了卷積操作和BP算法的卷積神經網絡算法以其良好的識別率，平移不變性以及參數數量少的特點得到廣泛的研究。在通過軟件實現的卷積神經網絡結構中，限制神經網絡速度的主要品瓶頸是卷積過程耗費大量的計算時間同時占用大量資源。而硬件結構并行處理數據的特點能夠加速計算過程從而實現實時識別圖像。通過FPGA實現卷積神經網絡能夠利用FPGA 速度快，易于修改的特點適用于應用端的要求。

文獻號為CN107463990A的發明申請提出了一種卷積神經網絡的FPGA并行加速方法, 文中建立的CNN模型層數較多,配置硬件架構采用了FPGA電路板通過帶寬為8GB/s的PCI Express 2.0x8與CPU進行連接,不方便對現實生活中的圖像進行時實采集,存在時實性差、識別速度慢的問題。

發明內容

本發明為了解決現有技術中提出的圖像識別系統存在時實性差、識別速度慢的問題。

本發明為解決上述技術問題采取的技術方案是：

一種基于FPGA的人臉識別系統，所述系統包括CCD攝像頭、視頻解碼芯片、FPGA、同步動態隨機存儲器(SDRAM)、視頻DAC芯片、顯示器和數碼管；

FPGA包括解碼模塊、VGA控制器模塊、YUV轉化模塊、RGB轉化模塊、窗口裁剪模塊、卷積模塊、池化模塊、激活函數模塊和全連接層模塊；

CCD攝像頭用于采集待識別的人臉圖像數據并將所述圖像數據傳遞給視頻解碼芯片，通過視頻解碼芯片將所述圖像數據由模擬信號轉化為數字信號并將該數字信號輸出給FPGA的解碼模塊，FPGA通過I2C協議配置視頻解碼芯片的進行解碼；

將解碼模塊解碼后的YUV4：2：2格式的圖像數據傳輸到同步動態隨機存儲器中，同步動態隨機存儲器通過FPGA的數據選擇器進行解交織并將解交織后的結果傳遞給YUV轉化模塊以將YUV4：2：2格式轉化為YUV4：4：4格式，YUV轉化模塊將轉化結果再輸出給RGB 轉化模塊，經RGB轉化模塊處理得到RGB格式的圖像數據分別輸出給VGA控制器模塊、窗口裁剪模塊，FPGA的VGA控制器模塊通過視頻DAC芯片將采集到的人臉圖像在顯示器中顯示；窗口裁剪模塊用于提取待識別區域內的圖像數據并依次傳遞給卷積模塊、池化模塊、激活函數模塊和全連接層模塊，通過數碼管顯示識別結果。

進一步地，所述視頻解碼芯片的型號為7181B，所述FPGA的型號為EP2C35F672C6，視頻DAC芯片的型號為7123。

進一步地，所述卷積模塊用于對28*28緩沖區內的數據進行卷積操作；

所述卷積模塊包含有8個大小為7*7的卷積核；每個卷積核構造有四個相同的乘加器和四個7*7卷積窗口緩沖區；