[发明专利]基于FPGA的卷积神经网络架构方法及其人脸识别方法

权利要求书

1.一种基于FPGA的卷积神经网络架构方法，包括如下步骤：

S1.系统初始化；

S2.根据crp的内部状态启动dma，读取ps侧的图像信息；

S3.根据S3FD算法，复用crp模块从而完成conv计算；所述conv为卷积神经网络运算模块；

S4.对crp模块内部的乘加卷积运算进行实现与调度；

S5.对结构帧控模块进行复用；

S6.对结构层孔模块进行复用；

S7.对crp_calc模块进行复用；所述crp_calc模块为卷积神经网络的乘加运算模块。

2.根据权利要求1所述的基于FPGA的卷积神经网络架构方法，其特征在于步骤S1所述的系统初始化，具体包括接收CPU通过APB总线下发的各项数据。

3.根据权利要求2所述的基于FPGA的卷积神经网络架构方法，其特征在于所述的各项数据包括DMA的读写首地址，图像信息、卷积核信息和反量化信息。

4.根据权利要求3所述的基于FPGA的卷积神经网络架构方法，其特征在于步骤S4所述的crp模块，具体包括crp_frame_ctrl模块，crp_layer_ctrl模块和crp_calc模块；crp_frame_ctrl模块用于负责帧控制与调度；crp_layer_ctrl模块用于负责crp层的控制与调度，crp_calc模块用于完成卷积神经网络的乘加运算。

5.根据权利要求4所述的基于FPGA的卷积神经网络架构方法，其特征在于步骤S5所述的对结构帧控模块进行复用，具体包括接收总线下发的配置信息，存储到内部RAM；接收前一级模块帧信息，缓存到信息FIFO；控制读取帧信息，逐层从crp_cfg_ram读取配置信息，下发给crp_layer_ctrl模块和crp_calc模块。

6.根据权利要求5所述的基于FPGA的卷积神经网络架构方法，其特征在于步骤S6所述的对结构层孔模块进行复用，具体包括控制向ps侧读weight和bias数据；控制向pl侧发起读图像数据，启动crp_calc计算；根据索引值，控制每一层的数据流；根据配置要求将特征值及输出的结果缓存到pl侧。

7.根据权利要求6所述的基于FPGA的卷积神经网络架构方法，其特征在于步骤S7所述的对crp_calc模块进行复用，具体为对S3FD卷积神经网络的乘加进行运算；卷积计算规则为：先把卷积窗口内像素值分别和卷积核相应元素进行相乘，然后将相乘结果相加，最后加上偏置值。

8.一种包括了权利要求1～7之一所述的基于FPGA的卷积神经网络架构方法的人脸识别方法，其特征在于还包括如下步骤：

S8.采用步骤S1～S7的方法，动态进行多人脸的快速识别和比对。