王海鹏 李夫玲 余斌 阮伟华

摘  要：文章提出一种基于赛灵思嵌入式人工智能FPGA开发平台PYNQ-Z2的人脸追踪检测原型系统。通过搭建Linux环境并运行Jupyter Notebook交互式在线编译器，调用IPython内核和PYNQ的硬件库，导入OpenCV库编写并且编译执行Python程序，可实现在线控制PYNQ-Z2来获得视频流输入并对视频数据进行传输和处理，从而实现人脸图像的分析与检测。本设计利用了PYNQ-Z2的可编程系统（PS）和可编程逻辑（PL）的交互式数据传输处理，尽可能的发挥ARM和FPGA的优势，从而实时的进行人脸检测。

关键词：现场可编程门阵列（FPGA）;深度学习;人脸识别;Python;OpenCV;PYNQ

中图分类号：TN911.7 文献标识码：A 文章编号：2095-2945（2020）01-0012-03

Abstract： This paper presents a prototype system of face tracking and detection based on PYNQ-Z2， an embedded artificial intelligence FPGA development platform. By building Linux environment and running Jupyter Notebook interactive online compiler， invoking IPython kernel and hardware library of PYNQ， importing OpenCV library， compiling and executing Python program， we can realize on-line control of PYNQ-Z2 to obtain video stream input and transmit and process video data， so as to realize face image analysis and detection. This design makes use of the interactive data transmission processing of PYNQ-Z2's programmable system （PS） and programmable logic （PL）， giving full play to the advantages of ARM and FPGA as far as possible， so as to carry out real-time face detection.

Keywords： field programmable gate array （FPGA）; deep learning; face recognition; Python; OpenCV; PYNQ

1 概述

计算机视觉[1]已经成为科学研究的重点，在生活中得到了广泛的应用。与此同时个人信息安全在当前社会形成严重的漏洞，迫切需要增强其安全性。而人脸识别是现代化高科技的识别技术[2]，利用人类面部信息的唯一性这一高度安全性特征，不仅能够满足基本的安全需求，而且可实现方便、快捷的人机交互。其工作原理是利用高清摄像头对人脸定位并采集人脸信息，然后将采集的视频流传入计算机中进行预处理，锁定人脸的位置后对面部的特征值进行采样，最后提取每个人脸中的身份特征，并与预先存储的人脸信息进行对比，认证通过后再显示设备上输出结果并通过身份认证。

典型的人脸识别步骤是：图像采集、图像预处理、人脸检测、定位和对齐、人脸识别。如图1所示。采用基于CMOS图像传感器的工业摄像头，通過使用基于电荷耦合器件（CCD）方法的CMOS工艺图像采集芯片，模拟视频信号转换成数字信号后传送到计算机中存储或者直接处理。……