论文目录 | |
| 摘要 | 第1-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究工作的背景与意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.3 本文的主要工作与结构安排 | 第21-22页 |
| 第二章 基于图像增强的弱光人脸检测技术 | 第22-40页 |
| 2.1 卷积神经网络 | 第22-30页 |
| 2.1.1 卷积神经网络理论介绍 | 第22-25页 |
| 2.1.2 卷积层 | 第25-27页 |
| 2.1.3 池化层 | 第27-28页 |
| 2.1.4 激活函数 | 第28-29页 |
| 2.1.5 全连接层 | 第29-30页 |
| 2.1.6 Softmax层 | 第30页 |
| 2.2 MTCNN人脸检测网络 | 第30-35页 |
| 2.2.1 MTCNN算法原理 | 第30-31页 |
| 2.2.2 MTCNN网络结构 | 第31-33页 |
| 2.2.3 bounding box目标框处理算法 | 第33-34页 |
| 2.2.4 NMS算法原理 | 第34页 |
| 2.2.5 图像Resize缩放算法原理 | 第34-35页 |
| 2.3 图像增强技术 | 第35-39页 |
| 2.3.1 图像增强原理与应用 | 第36页 |
| 2.3.2 色调映射算法 | 第36-37页 |
| 2.3.3 基于视网膜机理的色调映射算法 | 第37-38页 |
| 2.3.4 基于视网膜机理的色调映射算法处理性能 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 MTCNN人脸检测网络的硬件设计 | 第40-65页 |
| 3.1 MTCNN人脸检测网络总体硬件结构 | 第40-42页 |
| 3.1.1 MTCNN硬件处理总体结构 | 第40-41页 |
| 3.1.2 MTCNN硬件结构处理流程 | 第41-42页 |
| 3.2 主控制指令解析单元 | 第42-43页 |
| 3.2.1 主控制指令解析主要状态分解 | 第42-43页 |
| 3.2.2 主控制指令解析单元指令详解 | 第43页 |
| 3.3 神经网络部分的硬件设计 | 第43-54页 |
| 3.3.1 卷积计算硬件总体结构 | 第44-45页 |
| 3.3.2 卷积数据计算模块 | 第45-47页 |
| 3.3.3 卷积特征图存储模块 | 第47-48页 |
| 3.3.4 卷积数据累加与缓存模块 | 第48-50页 |
| 3.3.5 池化计算模块 | 第50页 |
| 3.3.6 全连接计算模块 | 第50-52页 |
| 3.3.7 Softmax计算模块 | 第52-54页 |
| 3.4 bounding box边框计算部分的硬件设计 | 第54-61页 |
| 3.4.1 bounding box硬件状态转移 | 第54-55页 |
| 3.4.2 bounding box模块电路结构 | 第55-56页 |
| 3.4.3 NMS计算模块 | 第56-61页 |
| 3.5 图像Resize缩放模块的硬件设计 | 第61-64页 |
| 3.5.1 图像Resize硬件状态转移 | 第61-62页 |
| 3.5.2 图像Resize模块电路结构 | 第62-63页 |
| 3.5.3 图像Resize BRAM分块结构 | 第63-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第四章 弱光人脸检测中图像增强的硬件设计 | 第65-73页 |
| 4.1 图像增强总体硬件结构 | 第61-67页 |
| 4.1.1 图像增强模块硬件状态转移 | 第61-66页 |
| 4.1.2 图像增强硬件结构 | 第66-67页 |
| 4.2 图像预处理模块 | 第67-68页 |
| 4.3 卷积计算模块 | 第68-71页 |
| 4.3.1 卷积模块总体结构 | 第68-69页 |
| 4.3.2 卷积BRAM存储方式与卷积窗口滑动方式 | 第69-70页 |
| 4.3.3 卷积核选择模块 | 第70-71页 |
| 4.3.4 卷积核数据解压缩 | 第71页 |
| 4.4 反馈调节模块 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 弱光下人脸检测FPGA实现的性能与分析 | 第73-96页 |
| 5.1 开发平台 | 第73-75页 |
| 5.1.1 硬件开发平台 | 第73-74页 |
| 5.1.2 软件开发平台 | 第74-75页 |
| 5.2 图像增强前的MTCNN人脸检测的硬件处理分析 | 第75-85页 |
| 5.2.1 正常亮度人脸图像P-Net Score筛选结果 | 第76-79页 |
| 5.2.2 正常亮度人脸图像P-Net单张图NMS筛选结果 | 第79-81页 |
| 5.2.3 正常亮度人脸图像P-Net总 NMS筛选结果 | 第81-82页 |
| 5.2.4 正常亮度人脸图像O-Net bounding box结果 | 第82-84页 |
| 5.2.5 弱光人脸图像MTCNN检测结果 | 第84-85页 |
| 5.3 图像增强后的MTCNN人脸检测的硬件处理分析 | 第85-94页 |
| 5.3.1 图像增强的硬件实现 | 第85-86页 |
| 5.3.2 弱光人脸图像增强后P-Net Score筛选结果 | 第86-89页 |
| 5.3.3 弱光人脸图像增强后P-Net单张图NMS筛选结果 | 第89-90页 |
| 5.3.4 弱光人脸图像增强后P-Net总 NMS筛选结果 | 第90-91页 |
| 5.3.5 弱光人脸图像增强后O-Net bounding box结果 | 第91-92页 |
| 5.3.6 正常亮度人脸图像增强后MTCNN检测结果 | 第92-94页 |
| 5.4 硬件处理速度与资源和性能 | 第94-95页 |
| 5.5 本章小结 | 第95-96页 |
| 第六章 全文总结与展望 | 第96-99页 |
| 6.1 全文总结 | 第96-97页 |
| 6.2 后续工作展望 | 第97-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-105页 |
| 攻读硕士期间取得的研究成果 | 第105页 |
