基于FPGA的人体行为识别系统的设计
吴宇航1 何军2
1南京信息工程大学电子与信息工程学院,南京,210044；
2南京信息工程大学人工智能学院,南京,210044；
摘要：为实现边缘端人体行为识别需满足低功耗、低延时的目标,本文设计了一种以卷积神经网络(CNN)为基础、基于可穿戴传感器的快速识别系统。首先通过传感器采集数据,制作人体行为识别数据集,在PC端预训练基于CNN的行为识别模型,在测试集达到93.61%的准确率。然后,通过数据定点化、卷积核复用、并行处理数据和流水线等方法实现硬件加速。最后在FPGA上部署识别模型,并将采集到的传感器数据输入到系统中,实现边缘端的人体行为识别。整个系统基于Ultra96-V2进行软硬件联合开发,实验结果表明,输入时钟为200 M的情况下,系统在FPGA上运行准确率达到91.80%的同时,识别速度高于CPU,功耗仅为CPU的1/10,能耗比相对于GPU提升了91%,达到了低功耗、低延时的设计要求。
关键字：人体行为识别(HAR)；边缘端；可穿戴传感器；卷积神经网络(CNN)；现场可编程门阵列(FPGA)；硬件加速
