基于ZYNQ的表情识别软硬件协同设计
这是一篇关于表情识别,卷积神经网络,ZYNQ,软硬件协同设计,硬件IP的论文, 主要内容为表情识别指利用计算机提取人脸表情特征进行分类,从而推测人的情绪;卷积神经网络通过将特征提取与特征分类相结合,在图像识别领域中表现出了良好的性能,可以对人脸表情进行有效识别。本文采用软硬件协同的方式,利用Xilinx公司的ZYNQ芯片对卷积神经网络进行硬件加速,实现人脸表情的高效识别。根据FPGA和ARM的特点划分软硬件模块,在FPGA部分设计卷积神经网络硬件加速IP,包括卷积运算模块、池化运算模块和数据处理模块;在ARM部分搭建Linux嵌入式平台并设计表情识别软硬件协同程序,从而充分发挥FPGA和ARM各自的优势。卷积神经网络硬件IP的卷积运算模块采用Winograd快速卷积算法,通过对数据进行变换处理以降低计算复杂度,减少乘法器的资源占用;池化运算模块可根据网络结构选择均值池化或者最大池化,通过并行展开的计算方式加速运算。本文采用乒乓流水对硬件IP进行优化,设计双缓存结构并改进模块的执行时序,减少了硬件IP的总体运行时间。根据卷积运算的并行特点,设计了循环分块运算,并通过资源分析设置最佳的片上循环分块参数。利用数据处理模块设置的中间缓存,设计了多通道数据传输,提高了卷积神经网络运算速度。ARM部分通过生成BOOT.bin、编译Linux内核和修改设备树等方式搭建基于Linux的嵌入式开发平台;软硬件协同程序包括三个部分,首先对输入图片进行人脸检测、特征图尺寸调整、数据类型转换等预处理,然后设计硬件IP驱动程序,使卷积神经网络硬件IP可根据训练好的网络模型进行相应运算,最后利用分类函数计算表情识别概率,将结果通过设计的Qt图形界面进行显示。本文首先在PC平台基于TensorFlow框架搭建表情识别卷积神经网络,提取并处理训练完成的网络参数;其次,在Zedboard开发板上,利用得到的网络模型,以软硬件协同设计的方式实现表情识别系统;最后,对表情识别结果的准确性和软硬件协同设计的耗时等进行测试。实验结果表明,本文的表情识别系统在保证准确率的同时,具有速度快、功耗低的优点。
基于ZYNQ的电阻抗成像系统设计与算法研究
这是一篇关于电阻抗成像,ZYNQ,嵌入式,GVSPM-S的论文, 主要内容为电阻抗成像(Electrical Impedance Tomography,EIT)技术是一种根据待测场域内部电导率分布为目标的图像重建技术,具有无创、高速、低成本等特点,并广泛应用于医疗、工业检测等领域。本文设计了基于ZYNQ的电阻抗成像系统,具有高集成、高速率、便携性等特点,主要内容如下。(1)设计一款基于XLINX ZYNQ-7020 Soc的嵌入式EIT硬件系统。主要包括设计一款稳定可调节电压输出信号的激励电路;设计一款稳定输出激励信号的双反馈恒流源电路;设计一款带有滤波的信号采集电路以及其它辅助电路;设计一款高信噪比、低失真度的模拟多路复用选通器,满足激励与测量分时复用,提高信号通道的资源利用率,减少能耗;设计方便与多路复用选通电路板连接的末端检测装置。(2)基于ZYNQ的PS(Processing System)即ARM架构设计,搭载运行Linux系统以便于底层硬件的控制和操作;使用Qt软件设计人机交互程序,实现对底层外围电路的控制,将成像结果进行展示,为用户提供更加直观的操作界面。基于ZYNQ的PL(Progarmmable Logic)即FPGA设计,包括设计外围底层电路程序,设计高速的AD/DA驱动程序,根据多路复用选通规则以及开关切换状态,设计多路复用选通实现方式,实现分时复用,高速传输的效果;完成与上位机的通信,以便于数据的传输和处理。(3)针对传统广义矢量模式匹配模式算法(GVSPM)成像的不足,提出一种改进的广义矢量模式匹配模式细剖分算法(GVSPM-S)算法,该算法能够在有限的硬件条件下获得更好的图像重建结果。通过改进计算方法、优化算法流程等方法来降低数据处理的复杂度和运算时间。提高其采集效率和重建精度,缩短成像时间,在实践应用中取得不错的成像效果。
复杂背景下基于ZYNQ的运动目标检测方法研究与实现
这是一篇关于运动目标检测,ZYNQ,纹理特征,边缘计算,硬件加速的论文, 主要内容为运动目标检测是智能视频监控中的关键组成部分,在实际场景中的各种复杂干扰因素给运动目标检测带来挑战,设计更具鲁邦性的运动目标检测算法仍然具有重要研究意义。随着科学技术的发展,视频监控越来越向高分辨率、高帧率发展,将激增的视频数据传输到遥远的云服务器处理,再作出反馈的方法已经不能满足日益增长的视频业务需求。将复杂的计算从云端下沉到边缘端,对视频数据进行实时处理和分析,可以减轻网络的负载、云端的数据存储压力和运算的负荷。目前很多运动目标检测算法已经能够实现较好的检测结果,但算法的复杂度较高,边缘端设备不能满足实时处理的要求。因此基于FPGA能够实现高速并行计算的特点,在边缘端结合FPGA对运动目标检测算法进行硬件电路设计成为一种趋势。基于上述背景,本文提出一种融合纹理特征的改进算法EA-Vi Be,并对该算法在ZYNQ平台上做硬件电路设计。此外,本文还搭建了基于ZYNQ(Zynq 7020)的运动目标检测系统,并利用该系统对EA-Vi Be算法的硬件电路设计进行了板级验证。本文的主要研究内容如下:(1)运动目标检测算法的研究。本文在研究多种运动目标检测算法和纹理特征后,提出一种新的纹理特征,被称为加强邻近尺度不变局部二元相似模式(EASILBSP),然后结合Vi Be算法框架,提出了融合纹理特征的改进算法EA-Vi Be。使用C++和Open CV对该算法进行了仿真实验,实验结果表明,本文算法对多种动态干扰因素具有一定的抑制作用,整体检测效果得到一定的提升。(2)EA-Vi Be算法在ZYNQ上的硬件电路设计。本文通过软硬件协同设计的方法,对EA-Vi Be算法进行了优化和基于FPGA的电路设计。根据算法流程,整个设计方案被分为图像预处理部分、EA-Vi Be算法部分和图像后处理部分。最后详细描述了每一部分的硬件电路设计方法。(3)基于ZYNQ的运动目标检测系统实现。本文使用ZYNQ作为运动目标检测硬件平台,并利用该系统对本文提出的算法进行了板级验证。本文不仅完成了PL(Programmable Logic)端硬件电路的搭建,还完成PS(Processing System)端软件驱动的设计。经测试该系统出图稳定,能够实时检测出运动目标,在复杂背景下检测效果良好,并且体积小、功耗低,满足边缘设备运行的要求,具有一定的实用意义。
基于ZYNQ的表情识别软硬件协同设计
这是一篇关于表情识别,卷积神经网络,ZYNQ,软硬件协同设计,硬件IP的论文, 主要内容为表情识别指利用计算机提取人脸表情特征进行分类,从而推测人的情绪;卷积神经网络通过将特征提取与特征分类相结合,在图像识别领域中表现出了良好的性能,可以对人脸表情进行有效识别。本文采用软硬件协同的方式,利用Xilinx公司的ZYNQ芯片对卷积神经网络进行硬件加速,实现人脸表情的高效识别。根据FPGA和ARM的特点划分软硬件模块,在FPGA部分设计卷积神经网络硬件加速IP,包括卷积运算模块、池化运算模块和数据处理模块;在ARM部分搭建Linux嵌入式平台并设计表情识别软硬件协同程序,从而充分发挥FPGA和ARM各自的优势。卷积神经网络硬件IP的卷积运算模块采用Winograd快速卷积算法,通过对数据进行变换处理以降低计算复杂度,减少乘法器的资源占用;池化运算模块可根据网络结构选择均值池化或者最大池化,通过并行展开的计算方式加速运算。本文采用乒乓流水对硬件IP进行优化,设计双缓存结构并改进模块的执行时序,减少了硬件IP的总体运行时间。根据卷积运算的并行特点,设计了循环分块运算,并通过资源分析设置最佳的片上循环分块参数。利用数据处理模块设置的中间缓存,设计了多通道数据传输,提高了卷积神经网络运算速度。ARM部分通过生成BOOT.bin、编译Linux内核和修改设备树等方式搭建基于Linux的嵌入式开发平台;软硬件协同程序包括三个部分,首先对输入图片进行人脸检测、特征图尺寸调整、数据类型转换等预处理,然后设计硬件IP驱动程序,使卷积神经网络硬件IP可根据训练好的网络模型进行相应运算,最后利用分类函数计算表情识别概率,将结果通过设计的Qt图形界面进行显示。本文首先在PC平台基于TensorFlow框架搭建表情识别卷积神经网络,提取并处理训练完成的网络参数;其次,在Zedboard开发板上,利用得到的网络模型,以软硬件协同设计的方式实现表情识别系统;最后,对表情识别结果的准确性和软硬件协同设计的耗时等进行测试。实验结果表明,本文的表情识别系统在保证准确率的同时,具有速度快、功耗低的优点。
基于特征点匹配的电子稳像系统设计
这是一篇关于电子稳像,特征点匹配,实时性,ZYNQ的论文, 主要内容为电子稳像技术实现了对抖动视频的去抖,在军用和民用领域应用广泛,为成像、瞄准和定位系统提供了更准确稳定的图像。电子稳像算法主要运用于图像存在平移、旋转和尺度缩放变化的场景,在具有旋转抖动的复杂场景中大多以软件方式实现,其具有算法复杂、耗时长和对处理器速度要求高的特点。特别是车载电子稳像系统,在要求去除平移和旋转抖动的基础上,同时对器件小型化和算法实时性具有较高的需求。系统级芯片软硬协同的工作方式能够弥补单一软件实现算法的不足,以提高系统性能和实时性。因此,构建基于系统级芯片的电子稳像系统具有重要的工程应用价值。本文针对传统电子稳像系统在平移和旋转模型下实时性低、算法复杂度高的不足,设计了“FPGA+ARM”架构的车载电子稳像系统方案,引入自适应阈值和灰度相似性描述子,构建了基于特征点匹配的ZYNQ实时电子稳像平台,实现了去除视频序列中平移和旋转抖动的核心功能。本文的主要研究工作如下:(1)规划车载电子稳像系统总体方案并设计子单元的功能任务和原理图。综合分析了车载场景电子稳像系统的功能和指标,对系统总体方案进行布局,工作流程进行定义。设计图像采集单元和稳像单元的接口类型和功能任务,并进行了核心器件的选型。对采集和稳像单元的电路原理图和PCB进行设计,确保最终搭建的硬件平台能够为电子稳像系统的设计与实现提供可靠性硬件基础。(2)设计了基于特征点匹配的电子稳像算法方案。以特征点匹配算法为运动估计的基础,针对传统固定阈值运算耗时较长且只能适用于单一场景的问题,引入自适应阈值,使视频序列中特征点数量分布平滑提高了算法的实时性。在原本描述子的基础上增加灰度相似性比较信息,降低了特征点对的误匹配率并提高了描述子的抗干扰能力。(3)完成各功能模块的逻辑设计与系统测试。根据ZYNQ软硬协同的特点划分电子稳像系统的算法逻辑。在可编程逻辑端实现了数据采集、卡尔曼滤波和图像平移,基于流水线和滑块实现了特征点检测并设计了阈值更新的简化流程;在处理系统端实现了特征点匹配和图像旋转;通过可变分辨率实现了综合显示功能。经过稳像测试,在具有平移和旋转抖动的场景中实现了小型化、低功耗和高实时性的电子稳像系统,并展现了较高鲁棒性,有望运用于车载平台并达到良好的稳像效果。通过对静止和运动状态下的抖动视频序列进行稳像实验,本文研究设计的基于特征点检测的电子稳像系统基本实现,能够在具有平移和旋转抖动的场景下实现对720P@30Hz视频的防抖,且具有高集成度、高稳定性、低功耗和高实时性等优点,有望运用于车载平台,具有较好的运用和参考价值。
基于麦克风阵列的声源定位系统的研究与实现
这是一篇关于麦克风阵列,声源定位,TDOA,时延算法,ZYNQ的论文, 主要内容为近年来,得益于语音交互市场的快速发展,麦克风阵列声源定位技术逐渐成为研究热点。麦克风阵列声源定位技术是实现语音增强、滤除噪声的有力手段,并被广泛应用于智能家居、会议系统和工业检测噪音等各大领域。但当前的定位系统大多基于PC机完成数据处理和位置解算,体积大、集成度低,并且系统的应用环境常常存在噪声和混响,传统定位算法还有待改善。针对这些问题,本文提出了基于小型麦克风阵列和ZYNQ开发平台的声源定位方案,定位算法基于先进行时延值估计,后进行位置估计的TDOA双步定位法并做改进,本文所做的主要工作如下:(1)从理论上阐述语音信号的处理方法并对影响麦克风阵列性能的参数进行仿真分析。对语音分帧、加窗和活动性检测方法进行阐述,为后续使用算法处理语音信号提供理论基础。接着采用CBF算法对影响阵列性能的因素进行仿真分析,为阵列的设计提供思路。(2)针对传统时延估计算法在混响和低信噪比环境下性能较差的问题,提出了一种改进时延估计算法。首先建立IMAGE混响模型,对传统时延估计算法的常见加权函数进行仿真,并提出了基于PHAT加权和二次互相关算法相结合的改进时延估计算法。在IMAGE混响模型中的仿真结果表明,改进时延估计算法在混响和低信噪比环境下的时延估计均方根误差要低于传统算法。(3)针对TDOA算法在位置估计时时延误差容易被放大的问题,基于最小二乘法设计了一种位置估计算法。本文首先建立了多基线定位模型并确定了麦克风阵列的几何结构,接着推导出位置参数与时延估计值以及时延估计误差间的方程组,并基于最小二乘法设计迭代算法。最后对定位算法的均方误差与克拉美罗下界(Cramer-Rao Lower Bound,CRLB)进行推导,证明了角度估计精度接近CRLB。(4)基于ZYNQ开发平台完成对声源定位系统的设计与实现。首先对麦克风阵列及其接口进行硬件设计,接着在PL部分设计实现多路数据的处理和时延值估计,为了将时延值送入PS部分进行角度计算,对PL与PS部分的通信系统进行设计实现,最后在PS部分实现定位算法并输出定位结果。声源定位系统的测试结果表明,系统完成单次定位的平均耗时为23.47 ms,在3 m距离内的方位角与俯仰角平均绝对误差不超过3°,满足参数指标要求,并对比相关文献,验证了定位系统在定位实时性和精度上的优势。
基于ZYNQ的软体救援机器人人脸检测定位系统研究
这是一篇关于软硬件协同设计,软体救援机器人,ZYNQ,人脸检测,双目测距的论文, 主要内容为地震等自然灾害的频发对人类的生命安全构成严重威胁,在易坍塌、结构不稳定的灾后废墟环境,传统的救援设备通常因体积大、检测时间长,无法及时救援被困人员。体积小、实时性强的检测定位救援设备在易坍塌废墟救援过程中起到至关重要的作用。FPGA(Field Programmable Gate Array,现场可编程逻辑门阵列)因其流水线的工作模式、并行运算的处理方式,可以极大程度加速系统处理过程,减小系统处理时间,具有极高的研究价值。随着嵌入式芯片的不断发展,本文采用一颗FPGA+ARM(Advanced RISC Machines,ARM处理器)架构的嵌入式芯片,研究与设计实现一套软体救援机器人人脸检测定位系统,实现实时检测脆弱易塌陷的废墟环境中的人脸信息,测量人脸位置的空间距离。本文结合实际应用环境设计要求,设计整体人脸检测测距系统总体方案。选取Xilinx公司Zynq7000系列芯片作为开发平台,采用软硬件协同设计方法,利用Verilog HDL硬件描述语言编写系统硬件部分的主要功能模块。使用C开发语言编写系统软件部分实现双目摄像头采集通道、图像处理通道与图像显示通道的控制。在PL(Programmable Logic,FPGA可编程逻辑)端设计并实现人脸检测系统。采用提取肤色特征的人脸检测算法,选取双目OV5640摄像头实时采集图像,建立肤色模型,对采集的图像数据进行肤色分割,完成基于肤色特征的人脸信息提取。使用形态学滤波算法,运用先腐蚀再膨胀的开运算去除图像中的孤立噪点。筛选人脸范围,框选确定的人脸区域,实现整体基于肤色的人脸检测系统。应用以IP为核心的设计理念,将编写的各模块封装为相应的IP,并对各功能模块完成仿真验证。使用验证通过的IP搭建人脸检测系统硬件工程。在PS(Processing System,ARM双核处理器)端设计并实现双目测距系统。提取人脸区域中心点坐标,通过双目三角测距公式测量实际物体与摄像头之间的深度距离。分析测量结果,实验表明系统在目标距离较近时,测量精度较高,1m距离内测量相对误差在5%以内。本文最后模拟救援实验,验证人脸检测定位系统的可行性。引用一款软体救援机器人并制造实验样机,采用气压驱动方式,通过控制气腔内气体含量实现软体救援机器人的软体导向结构的弯曲。人脸检测定位系统在搭建的模拟废墟环境中实时地发现人脸信息。同时,实验表明在遮挡人眼等面部器官时,检测效果并未产生较大影响,证明本文所设计的基于FPGA的人脸检测定位系统的实时性与可行性。
基于ZYNQ的分布式声发射系统研究与设计
这是一篇关于声发射,数据采集,ZYNQ,信号处理,节点的论文, 主要内容为声发射检测技术作为一种新兴的无损检测技术,与传统无损检测技术相比,具有低成本以及更广适用范围的优势。声发射检测系统只需在待测物件的合适位置上安装声发射传感器,便可采集并处理材料构件产生裂纹或断裂损伤时释放的声发射波,可实时检测出材料使用过程中的损伤位置以及监测损伤的动态扩张过程。传统的声发射系统因存在笨重便携性差、通道拓展性差、功能单一以及有线通信传输线缆多等问题,限制其难以适用于日益复杂多样的检测场景。为解决上述问题,本文采用“FPGA+ARM”架构,研究设计一款基于ZYNQ的分布式声发射系统,实现分布式多节点时间同步以及对声发射信号采集处理,并最终定位出声发射源位置。该系统采用无线自组网模块实现数据传输。基于ZYNQ设计实现的本声发射系统具有高速并行信号处理能力强、设计通用及复用性佳、通道拓展性强、功能多样和同步精度高等优势。本文主要工作如下:通过对声发射系统的理论研究,确定基于ZYNQ的分布式声发射系统的软、硬件设计方案。根据设计需求完成对声发射传感器、前置放大器、ZYNQ主控板卡、AD转换器、GPS接收机以及无线传输模块的硬件选型。针对常用的分布式系统GPS授时同步方法过于依赖PPS秒脉冲信号并且秒脉冲信号存在信号丢失、不翻转、失同步等问题,本分布式系统设计实现基于DPLL的PPS倍频同步模块。倍频同步设计可在PPS信号遗失时,FPGA内部依然会存在与PPS同步的信号,从而减小各子节点的同步误差。本文继而完成系统子节点的时钟管理同步模块设计。时间管理同步模块为各子节点后续信号处理提供高精度同步的时间基准。针对多数声发射系统功能单一、只做声发射信号数据采集,却不提取声发射信号的特征参数等问题,本文研究设计实现子节点的声发射信号采集与处理模块,并对其仿真验证。信号采集与处理模块包括AD采集控制、数字滤波、包络提取、特征提取、SD卡存储和无线传输等多个子模块。搭建测试平台对系统重要模块进行上板验证,验证重要模块功能是否符合设计要求。基于Chan的TDOA定位算法完成上位机QT可视化软件设计,软件界面可显示声发射源位置以及声发射特征参数。通过断铅实验对本分布式声发射系统进行整体联调测试并分析实验结果。经实验测试,该系统符合设计要求。本文有图73幅,表8张,参考文献84篇。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计驿站 ，原文地址：https://m.bishedaima.com/lunwen/48834.html
