人脸识别参考设计

莱迪思sensAI参考设计

该参考设计使用一颗图像传感器在莱迪思低功耗FPGA上实现了基于卷积神经网络(CNN)的人脸识别应用。训练过程是在GPU上完成的,可以让CNN准确地检测人脸上的点,从而检测和分辨出人脸差异。该设计可用于检测其他目标,只需修改训练数据库即可。

该设计通过硬件实现,包括SPI、DDR存储器接口模块、图像信号处理引擎、8个CNN加速引擎和计数与标记叠加引擎来显示注册和识别的结果。

该设计在FPGA上部署后,用户可以在注册阶段通过提取和存储256个16位值(代表不同的面部特征)来注册其面部信息。在识别阶段,注册人员站在设备面前时,将提取其256个16位值并将之与存储的数值列表进行比较验证。

特性

  • 类似VGG8的网络——8个(卷积、批标准化)层+4个池化层+1个全连接层
  • 采用了约100万张图像对神经网络进行训练,包括针对各种环境下的识别增强
  • 性能最高可达30 FPS
  • 功耗:ECP5 85K功耗为850 mW;CrossLink-NX 40K功耗仅为200 mW

跳转到

框图

Human Face Identification Reference Design Block Diagram Face ID using CrossLink-NX

文档

快速参考
技术资源
标题 编号 版本 日期 格式 文件大小
选择全部
ECP5 Face Identification Quick Start Guide
FPGA-AN-02010 1.0 11/1/2019 PDF 1.3 MB
标题 编号 版本 日期 格式 文件大小
选择全部
CrossLink-NX QVGA Mobilenet Human Identification on VVML Board - Project Files
1.0 11/10/2021 ZIP 430.4 MB
Human Face Identification Using CNN Accelerator IP - Project Files
1.0 9/9/2019 ZIP 147.3 MB
CrossLink-NX QVGA Mobilenet Human Identification on VVML Board - Documentation
FPGA-RD-02244 1.1 10/9/2023 PDF 2.8 MB
Human Face Identification Using CNN Accelerator IP - Documentation
FPGA-RD-02062 1.0 9/9/2019 PDF 4.8 MB