【摘 要】
：
随着对神经网络学习算法的深入以及计算机硬件的持续发展,在大规模图像处理中的优势也越来越明显。但因其所需庞大的计算量和存储要求,为神经网络的硬件实现带来了很大的困难。由于FPGA具有低功耗、高度并行的优点,从而适用于神经网络加速的实现。为了进一步适应车间工厂应用对数据处理的高速和低功耗要求,本文基于ZYNQ-7020系列平台,结合FPGA与ARM的优点,研究出一套精度高、速度快和功耗低的车间工人异常
论文部分内容阅读
随着对神经网络学习算法的深入以及计算机硬件的持续发展,在大规模图像处理中的优势也越来越明显。但因其所需庞大的计算量和存储要求,为神经网络的硬件实现带来了很大的困难。由于FPGA具有低功耗、高度并行的优点,从而适用于神经网络加速的实现。为了进一步适应车间工厂应用对数据处理的高速和低功耗要求,本文基于ZYNQ-7020系列平台,结合FPGA与ARM的优点,研究出一套精度高、速度快和功耗低的车间工人异常行为检测系统。通过对工人异常行为检测模型的深入分析,本文提出了一种基于FPGA的硬件加速方案,将ARM+FPGA结合起来,以实现软硬件协同的设计,从而有效地检测和处理工人异常行为。本文主要的工作内容如下:1)针对传统的CNN不能从时间序列中提取特征信息以及传统稠密光流法对于相似动作的区分还存在检错的问题,设计出基于改进TSN的车间工人异常行为检测模型。该模型不仅提高了对时间序列中的特征信息提取,消除复杂场景对识别车间工人异常行为的影响,获得更加精细的运动目标轮廓信息,而且提高了车间工人异常行为检测的准确率。2)针对如何使神经网络算法和硬件设备相互配合。为了更好地满足日常生活的需求,并且提升深度学习算法的效率和实时性,利用神经网络算法与硬件设备协同工作。首先设计以ZYNQ-7020平台作为工人异常行为检测系统硬件的核心模块,再根据系统的功能增加其他外围电路模块,完成工人异常行为检测系统的总体结构设计。通过对TSN网络各层次的加速优化设计,可以有效地提升运算效率,并且将网络模型与硬件相结合,从而有效地降低了系统的运算成本。3)通过基于PYNQ框架对系统的功能、稳定性、实时性等方面的测试,证明本系统的优越性。结果显示,本文所设计的FPGA+ARM异构系统能够实现车间工人异常行为的检测,在150MHz的工作频率下,该检测系统的运算速率达30 frames/s,与在纯软件ARM中的行为检测运算速率对比,其运算速率达到了39.58倍的加速比。此外,该系统的平均功耗仅为2.898W,满足了视频监控系统实时、准确、高性能的设计要求。
其他文献
随着现代移动通信技术的飞速发展,人们对其流量要求也越来越高。可见光通信（Visible Light Communication,VLC）不仅具有丰富的频谱资源,还可在进行照明的同时传送信息,同正交频分复用技术（Orthogonal Frequency Division Multiplexing,OFDM）组合可显著改善系统通信特性,但是存在噪声频偏干扰和较高的峰均比等问题,从而降低系统性能。为此,
由于近年来我国对海洋探索的不断深入,水声通信技术受到广泛关注。而水声信道的通信环境十分恶劣,其中,多径效应导致水声信道中声信号衰减和失真严重。为了克服这类信道问题,通常会在接收端使用均衡器对信道特性进行补偿,以消除信道引起的影响,即信道均衡技术。本文提出了一种基于启发式神经网络的水声信道均衡算法,该算法利用神经网络的非线性和启发式算法的优化能力,其通信质量相较于传统均衡算法有着明显的提升。首先,针
随着信息时代的快速发展,人们对图像清晰度的要求越来越高,图像分辨率越高,图像中的信息层次越丰富,有利于人们获取更全面的信息。受采集设备和环境等现实因素的影响,导致获取的图像分辨率不佳。使用硬件设备改善图像分辨率成本高,不利于操作,使用软件实现的超分辨率重建技术不仅节约成本而且效果更好,使得应用范围越来越广泛。针对现有的图像超分辨率重建算法对图像细节信息提取不全面的问题,本文以此为切入点展开研究,主
随着无线通信技术的不断发展,对高频滤波器的性能提出了许多更高要求。同时由于多种无线通信系统共存,因此所研究和设计高频滤波器需要工作在多个频段。然而,各种无线通信设备使用导致现在的电磁环境日益复杂。差分电路有良好的抗干扰性能,因此受到了许多学者的青睐。为了设计出选择性高和抗干扰能力强的滤波器,本文提出了三款单端基于非对称开路枝节加载谐振器的高选择性双频段微带带通滤波器和一款基于非对称短路枝节加载谐振
在室内可见光通信（Visible Light Communication,VLC）中引入非正交多址接入（Non-orthogonal Multiple Access,NOMA）技术是实现多用户通信及组网应用的有效途径。针对NOMA-VLC系统易受信道环境影响、用户间存在相互干扰、用户间公平性难以保证所带来的通信性能问题,论文结合Turbo码技术与压缩感知（Compressed Sensing,CS
随着人工智能技术的飞速发展,无人机自主控制决策已成为现代智能空战的核心内容,是当今军事领域最受关注的研究课题。本文以博弈论为基础,结合深度强化学习等计算方法,对不同作战条件下的无人机智能协同策略展开了深入研究,重点研究内容包括:针对动态环境下无人机一对一近距空战的对抗场景,因其博弈态势瞬息万变且决策过程复杂,提出了一种带有免疫导引策略的Minimax-DDQN（（Minimax-Double De
随着军事科学技术在新形势下不断发展,复杂场景下地面小样本军事目标识别对未来战场信息化联合作战、情报获取与策略制定具有重大意义。由于军事目标的特殊性使其在复杂场景下具备小样本特点,针对现有军事目标识别算法精度低、实时性差与可应用性弱等问题,本文以军事目标为研究对象,采用深度学习技术,从数据集构建、识别模型设计及模型应用三大方面展开研究,主要研究内容如下:（1）复杂场景下地面小样本军事目标数据集的构建
雷达目标跟踪是通过雷达对空间目标进行跟踪,然后实现对目标状态的准确估计,是现代军事跟踪系统进行数据融合、指挥决策、目标识别等任务的前提。但在战场环境中,由于电磁干扰、热噪声干扰等引起量测噪声不确定和目标机动所造成的系统状态不确定的影响,使得现有的自适应卡尔曼滤波算法难以解决模型不确定条件下的机动目标跟踪问题。因此,针对模型不确定条件下雷达目标跟踪问题开展研究,主要工作如下:（1）针对由于电磁干扰、
近年来,随着现代社会迅速发展,信息呈现出多样化、复杂化的特点,目标识别技术作为计算机视觉领域的一个重要研究方向受到越来越多的重视,在智能驾驶、视频监控、遥感等诸多领域得到极大发展和应用。其中,在智能驾驶方面,由于城市道路环境的复杂性,有效识别行人目标是保障智能驾驶安全性的重要一环。传统的行人目标识别方法仅利用可见光单模态图像特征完成,导致目标识别在全天候条件下目标识别性能低下。由于红外模态与可见光
污染源是指向环境中释放危险物质并对环境造成负面影响的装备、设施或地点,所排放的污染物以不适当的浓度进入环境体系,会对环境产生危害并带来大量人力及财力上的损失,严重的甚至危及人的生命。因此,对污染源进行定位具有广泛的应用场景和充分的研究价值。本文对污染源定位展开了研究,以化工厂可能发生的气体源泄漏为背景,对污染源进行定位。对比其他污染物,气体污染物具有不稳定的梯度信息,对寻源算法有更高的要求,却是很