典型文献
基于FPGA的人体行为识别系统的设计
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
吴宇航;何军
作者机构：
南京信息工程大学 电子与信息工程学院,南京,210044;南京信息工程大学 人工智能学院,南京, 210044
文献出处：
引用格式：
[1]吴宇航;何军-.基于FPGA的人体行为识别系统的设计)[J].南京信息工程大学学报,2022(03):331-340
A类：
B类：
FPGA,人体行为识别,行为识别系统,边缘端,低功耗,低延时,可穿戴传感器,快速识别,采集数据,别数,预训练,识别模型,测试集,定点化,卷积核,复用,并行处理,流水线,硬件加速,传感器数据,Ultra96,V2,联合开发,时钟,CPU,能耗比,GPU,HAR,现场可编程门阵列
AB值：
0.284489
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
