Υλοποίηση σε FPGA συστήματος αναγνώρισης προσώπου, με εφαρμογές στη δικανική υπολογιστών

Τα συστήματα αναγνώρισης προσώπου αποτελούν ένα πολύ σημαντικό εργαλείο των ερευνητών στον τομέα της Δικανικής Υπολογιστών κι αυτό γιατί μπορούν εύκολα και γρήγορα να εξιχνιάσουν εγκληματικές υποθέσεις. Πολλά συστήματα αναγνώρισης προσώπου που βασίζονται στο λογισμικό έχουν αρκετά καλή απόδοση όσον...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Παντοπούλου, Μαρία
Άλλοι συγγραφείς: Pantopoulou, Maria
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/14189
Περιγραφή
Περίληψη:Τα συστήματα αναγνώρισης προσώπου αποτελούν ένα πολύ σημαντικό εργαλείο των ερευνητών στον τομέα της Δικανικής Υπολογιστών κι αυτό γιατί μπορούν εύκολα και γρήγορα να εξιχνιάσουν εγκληματικές υποθέσεις. Πολλά συστήματα αναγνώρισης προσώπου που βασίζονται στο λογισμικό έχουν αρκετά καλή απόδοση όσον αφορά το ποσοστό αναγνώρισης, όμως ο χρόνος εκτέλεσης δεν είναι ικανοποιητικός. Για το λόγο αυτό, υπάρχει ανάγκη για μελέτη και έρευνα γύρω από συστήματα αναγνώρισης προσώπου που βασίζονται στο υλικό και πιο συγκεκριμένα σε επιτόπου προγραμματιζόμενους πίνακες πυλών (Field Programmable Gate Arrays - FPGAs) ώστε να μειωθεί ο χρόνος εκτέλεσης. Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη και η υλοποίηση ενός συστήματος αναγνώρισης προσώπου σε FPGA. Για την υλοποίηση του συστήματος χρησιμοποιείται ο αλγόριθμος εξαγωγής χαρακτηριστικών Local Binary Patterns Histograms (LBPH), ενώ για τον υπολογισμό των αποστάσεων μεταξύ των εικόνων της βάσης δεδομένων χρησιμοποιείται η απόσταση Manhattan. Το σύστημα υλοποιείται στο FPGA xc7a75tcsg324-3 της σειράς Artix-7 και πετυχαίνει ποσοστό επιτυχίας ίσο με 80% για 30 συνεχόμενες δοκιμές, ενώ λειτουργεί σε συχνότητα ίση με 66.23 ΜΗz. Η αξιοποίηση των πόρων στο FPGA είναι σημαντική εξαιτίας των επαναλαμβανόμενων παράλληλων μονάδων εξαγωγής χαρακτηριστικών και υπολογισμού αποστάσεων. Τέλος, ο χρόνος αναγνώρισης του συστήματος φτάνει τα 128 ms, όταν ελέγχεται μία βάση δεδομένων των 165 εικόνων, ενώ στο χρόνο αυτό συνυπολογίζεται το on-line training.