基于FPGA的人体行为识别系统的设计

来源：南京信息工程大学学报·自然科学版杂志2022年第3期北京时间：

作者：吴宇航，何军

单位：吴宇航,南京信息工程大学 电子与信息工程学院, 南京, 210044,何军,南京信息工程大学 人工智能学院, 南京, 210044,jhe@nuist.edu.cnis_first_author:0,is_contact_author:,sequence:2,first_name:,middle_name:,last_name:,resume:,institute_superscript:

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.

关键词：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

基金资助：国家自然科学基金(61601230)