[发明专利]基于FPGA的人脸识别数据处理装置及处理方法

权利要求书

1.一种基于FPGA的人脸识别数据处理装置，其特征在于，包括：

第一存储器(301)，用于存储人脸数据和卷积模板数据；

第二存储器(302)，用于存储卷积模板数据；

FPGA芯片(100)，用于分别从所述第一存储器(301)和第二存储器(302)中读取数据并进行深度学习从而提取人脸特征值；

处理器(200)，与所述FPGA芯片(100)连接，用于将提取出的人脸特征值与预存的人脸数据库进行比对以完成人脸识别；

所述FPGA芯片(100)搭载有卷积神经网络模型，用于对读取的数据进行运算，并将运算的中间计算结果存储至所述第一存储器(301)中；

所述FPGA芯片(100)包括：缓存输入模块(10)、提频模块(20)、计算模块(30)、降频模块(40)及缓存输出模块(50)；

所述缓存输入模块(10)用于缓存从所述第一存储器(301)读取的人脸数据及从第二存储器(302)中读取的卷积模板数据；

所述提频模块(20)用于将所述缓存输入模块(10)存储的数据输入所述计算模块(30)，并提升输入数据的时钟频率；

所述计算模块(30)用于对提频模块(20)输入的数据进行卷积和/或池化计算，并得到中间计算结果；

所述降频模块(40)用于输出中间计算结果，并降低输出数据的时钟频率；

所述缓存输出模块(50)用于缓存输出的中间计算结果，并将中间计算结果缓存至所述第一存储器(301)；

所述FPGA芯片还包括控制模块(60)，所述控制模块(60)连接所述缓存输入模块(10)及所述缓存输出模块(50)，所述控制模块(60)用于控制卷积神经网络前M层的中间计算结果存储至所述第一存储器(301)中，卷积神经网络后N层中间计算结果存储至所述缓存输入模块(10)。

2.根据权利要求1所述的基于FPGA的人脸识别数据处理装置，其特征在于，

所述缓存输入模块(10)包括：第一缓存输入单元、第二缓存输入单元及第三缓存输入单元；所述第一缓存输入单元和所述第二缓存输入单元为乒乓缓存结构，用于交替读取人脸数据；所述第三缓存输入单元用于读取卷积模板数据；

所述缓存输出模块(50)包括：第一缓存输出单元和第二缓存输出单元，所述第一缓存输出单元和第二缓存输出单元为乒乓存储结构，用于交替输出中间计算结果。

3.根据权利要求2所述的基于FPGA的人脸识别数据处理装置，其特征在于，

所述提频模块(20)包括：第一FIFO缓存器及第二FIFO缓存器，所述第一FIFO缓存器分别与所述第一缓存输入单元和第二缓存输入单元连接；所述第二FIFO缓存器与所述第三缓存输入单元连接；

所述降频模块包括：第三FIFO缓存器，所述第三FIFO缓存器分别与所述第一缓存输出单元和第二缓存输出单元连接。

4.一种基于FPGA的人脸识别数据处理方法，运用于上述权利要求1至3任一项所述的数据处理装置中，其特征在于，该方法包括以下步骤：

S100：从第一存储器(301)中读取人脸数据缓存到缓存输入模块(10)，且同时从第一存储器(301)、第二存储器(302)中读取卷积模板数据并缓存至缓存输入模块(10)；

S200：利用卷积神经网络模型对缓存输入模块(10)输入的人脸数据和卷积模板数据进行计算，并得到中间计算结果；

S300：将中间计算结果输出至缓存输出模块(50)，并保存至所述第一存储器(301)以供下次计算使用；

S400：重复上述步骤直至提取出人脸特征值；及

S500：将提取出的人脸特征值与预存的人脸数据库进行比对以完成人脸识别；

所述步骤S300还包括：将卷积神经网络计算的前面M层的中间计算结果保存至所述第一存储器(301)以供下次使用；

将卷积神经网络计算的后N层的中间计算结果保存至所述缓存输入模块(10)供下次使用。