摘要：人脸识别技术是目前非常普遍的一种生物识别技术，它是一种基于计算机并使用采集、分析、比较的方法来识别人脸的技术。人脸识别技术被广泛应用于企业管理、住宅安全、刑侦抓捕、信息服务，比如门禁、防盗门、监控、刷脸服务等方面。本论文设计一种基于赛灵思（Xilinx）PYNQ-Z2开发平台的人脸追踪识别原型系统，该平台同时具有ARM可编程系统（PS）和FPGA可编程逻辑（PL）两个部分，可实现视频流输入、视频处理识别和识别结果输出。该原型系统采用高清工业摄像头采集人脸的各种信息，并转化为视频流输入系统，然后将采集的人脸信息进行初步的处理后，再将需要被图像处理识别的部分通过USB Host接口传输到PYNQ-Z2中。在PYNQ-Z2开发平台的ARM处理器上搭建Ubuntu Linux环境并运行Jupyter Notebook交互式在线编译器。通过调用IPython内核和PYNQ的硬件库，导入OpenCV库编写并且编译执行Python程序，实现在线控制PYNQ-Z2来获得视频流的输入，在PYNQ-Z2中对视频数据进行传输和处理，人脸图像的分析识别，最后通过HDMI连接显示器，在显示器上输出人脸追踪和识别的结果。本设计利用了PYNQ-Z2的PL和PS部分的交互式数据传输处理，尽可能的发挥的ARM和FPGA的优势，从而实时的进行人脸识别。

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

目录

摘要

ABSTRACT

第一章  绪论-1

1.1引言-1

1.2研究的意义-2

1.3国内外的现状与发展前景-2

1.4本文研究目标和主要内容-3

第二章  人脸识别算法的介绍-5

2.1引言-5

2.2人脸识别算法-5

2.2.1图像采集-5

2.2.2图像预处理-6

2.2.3人脸检测-6

2.2.4定位和对齐-7

2.2.5人脸识别-8

2.3深度学习-8

2.4小结-9

第三章  PYNQ平台的介绍-10

3.1 PYNQ-Z2的结构-10

3.2 Jupyter Notebook的介绍-10

3.3 Vivado2017.4的介绍-11

3.4小结-13

第四章  设计与实现-14

4.1系统设计-14

4.2主控模块-14

4.3图像输入与输出模块-16

4.4 Jupyter Notebook-16

4.5小结-19

第五章  调试与验证-20

5.1引言-20

5.2系统的调装-20

5.3实验验证-21

5.4小结-22

结束语-23

致谢-24

参考文献-25

附录-26