基于PYNQ的人脸识别设计与实现

      基于PYNQ的人脸识别设计与实现

         摘  要

---

        近年来，人脸识别在支付、安保、机器人等领域得到了广泛应用，已成为计算机视觉领域的研究热点。人脸识别需要检测、对齐和识别等步骤，但Haar级联分类器、PCA等传统方法在检测识别精度、鲁棒性等方面表现不佳。随着深度学习技术的发展，将深度学习算法应用到人脸识别，有效提高了人脸检测精度和鲁棒性。传统算法结合深度学习，已成为现在以及未来计算机视觉领域的发展趋势。

        结合深度学习的人脸识别对算力要求较高，在PC机上开发算力相对足够，但是较难部署在嵌入式终端，需要综合考虑实时性、准确率、算力、功耗、成本、便携性、开发难易程度等因素。

        本课题针对上述问题，设计实现了一种基于PYNQ的人脸识别系统，在嵌入式终端实现结合深度学习的人脸识别——实时视频输入、人脸识别、显示结果输出。

        课题主要工作有：1、调研人脸识别背景、意义、应用前景，确定课题目标；2、分析传统和结合深度学习的人脸识别算法特性，并在PC端实现，对结果进行验证、对比分析；3、提出基于PYNQ的嵌入式终端人脸识别系统的设计实现方案，并对系统各个部分设计实现原理进行详细分析；4、搭建嵌入式终端人脸识别系统，对课题方案进行测试验证与结果分析；5、对课题进行总结展望，提出系统改进优化方案。

       本课题方案在实时性、准确率、功耗、成本等方面表现均较好。未来改进工作在算法方面人脸检测和识别可以尝试采用YOLO、SSD、BNN和Resnet等，实时性、准确性会更优。嵌入式终端实现方面若成本、功耗要求放宽，可以尝试Nvidia的GPU嵌入式开发平台—Jetson,性能应该会有较大