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,性能应该会有较大提高且开发难度会降低。当然，仅使用FPGA，开发难度虽大，但性能满足要求且成本低、功耗小，应当尝试突破。

       本课题属于结合深度学习的计算机视觉算法的嵌入式实现这一研究方向，后续在此方向基于本课题将做更加深入的研究与实现。

关键词：人脸识别，计算机视觉，深度学习，PYNQ，MovidiusNCS

Video:https://www.bilibili.com/video/av39977458

GitHub(项目源码、视频等)：https://github.com/666DZY666/Design-and-Implementation-of-Face-Recognition-based-on-PYNQ

微信公众号：https://mp.weixin.qq.com/s/ugGWIhkUilwH1QlCOHbiXA