基于FPGA的低资源高能效混合模式人脸识别设计-电信科学

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

基于FPGA的低资源高能效混合模式人脸识别设计

作者:

关键词:

摘要：

研究背景与问题

随着边缘计算的快速发展，人脸识别技术逐渐向终端设备迁移，以满足实时性和隐私保护的需求。然而，在资源受限的嵌入式设备上部署高性能的人脸识别算法面临着巨大的挑战。传统的卷积神经网络（CNN）虽然具有较高的识别精度，但需要依赖高端的现场可编程门阵列（FPGA）和大量的内存资源，这在嵌入式设备上难以实现。因此，如何在保证识别精度的同时，降低资源消耗和提高能效，成为当前人脸识别领域亟待解决的问题。

研究方法

本研究提出了一种基于FPGA的低资源高能效混合模式人脸识别设计。首先，我们针对CNN模型进行了优化，通过模型压缩和剪枝技术减少了模型的参数数量，降低了模型的复杂度。其次，我们采用了混合模式架构，将CNN模型与基于FPGA的硬件加速器相结合，实现了算法的高效执行。在FPGA上，我们设计了一种高效的数据流处理机制，以减少数据传输延迟和功耗。此外，我们还通过动态调整CNN模型的运行参数，实现了能效的进一步优化。

核心结果

实验结果表明，与传统的CPU和GPU方案相比，我们的基于FPGA的低资源高能效混合模式人脸识别设计在保证识别精度的同时，显著降低了资源消耗和功耗。具体来说，在相同识别精度下，我们的方案相比CPU方案减少了60%的功耗，相比GPU方案减少了30%的功耗。此外，在嵌入式设备上，我们的方案实现了实时人脸识别，满足了实际应用的需求。

结论与意义

本研究提出了一种基于FPGA的低资源高能效混合模式人脸识别设计，为资源受限的嵌入式设备上的人脸识别应用提供了有效的解决方案。该方法不仅降低了资源消耗和功耗，还实现了实时人脸识别，具有较高的实用价值。本研究的结果对于推动人脸识别技术在边缘计算环境下的应用具有重要意义，有助于推动人工智能技术在嵌入式设备上的发展，为智慧城市、智能家居等领域提供技术支持。

文章来源：《电信科学》网址: http://www.dianxinkexue.cn/qikandaodu/2026/1027/334.html