發(fā)布時(shí)間：2021-01-27 14:08

　　個(gè)人身份認(rèn)證技術(shù)正在隨著社會(huì)進(jìn)步日益受到重視,尤其在安全和消費(fèi)領(lǐng)域。傳統(tǒng)的身份識(shí)別方法已經(jīng)不能滿足現(xiàn)代社會(huì)對(duì)信息安全的需求。生物特征識(shí)別技術(shù)越來越受到社會(huì)的重視,其中十分重要的手指靜脈識(shí)別技術(shù)相比其他生物特征識(shí)別技術(shù),具有成本低、采集裝置小、非接觸式采集和用戶友好性等特點(diǎn)。本文首先分析了生物識(shí)別、圖像預(yù)處理、卷積神經(jīng)網(wǎng)絡(luò)和FPGA加速計(jì)算優(yōu)化等方面的基礎(chǔ)理論知識(shí),然后對(duì)FPGA對(duì)卷積神經(jīng)網(wǎng)絡(luò)加速計(jì)算優(yōu)化、圖像預(yù)處理以及手指靜脈識(shí)別系統(tǒng)三個(gè)部分進(jìn)行研究分析,并對(duì)整個(gè)手指靜脈識(shí)別系統(tǒng)的流程做了詳細(xì)的介紹。論文的主要工作和研究成果歸納如下:（1）FPGA對(duì)卷積神經(jīng)網(wǎng)絡(luò)加速計(jì)算的優(yōu)化研究:針對(duì)卷積神經(jīng)網(wǎng)絡(luò),將不同的優(yōu)化對(duì)象分別劃分到處理器系統(tǒng)與可編程邏輯上,對(duì)其優(yōu)化方法進(jìn)行研究。在處理器系統(tǒng)上實(shí)現(xiàn)基于流水線結(jié)構(gòu)的層間模塊復(fù)用,并建立對(duì)應(yīng)的沖突處理機(jī)制來解決復(fù)用造成的信號(hào)沖突;在可編程邏輯上將之前方法中的分割參數(shù)作為參數(shù),利用HLS工具設(shè)計(jì)不同的層加速器。最后采用動(dòng)態(tài)定點(diǎn)運(yùn)算來代替浮點(diǎn)運(yùn)算,降低存儲(chǔ)需求以及存儲(chǔ)傳輸所消耗的資源,同時(shí)滿足不同網(wǎng)絡(luò)層的精度需求。（2）手指靜脈圖像的預(yù)處理:主要包括手... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)說明
第一章 緒論
    1.1 研究背景及意義
    1.2 研究目的
        1.2.1 生物識(shí)別技術(shù)研究現(xiàn)狀
        1.2.2 手指靜脈識(shí)別技術(shù)研究現(xiàn)狀
        1.2.3 基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
    1.3 論文的組織結(jié)構(gòu)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 本文的結(jié)構(gòu)安排
第二章 相關(guān)原理及技術(shù)介紹
    2.1 手指靜脈的采集
        2.1.1 手指靜脈的成像原理
        2.1.2 手指靜脈的獲取方法
        2.1.3 實(shí)驗(yàn)室自制的手指靜脈采集裝置
    2.2 手指靜脈的識(shí)別方法
        2.2.1 特征提取方法
        2.2.2 匹配識(shí)別方法
    2.3 傳統(tǒng)網(wǎng)絡(luò)及輕量級(jí)網(wǎng)絡(luò)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.3.2 傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)
    2.4 FPGA開發(fā)方法
        2.4.1 基于HDL的設(shè)計(jì)流程
        2.4.2 基于HLS的設(shè)計(jì)流程
        2.4.3 HLS優(yōu)化方法
    2.5 本章小結(jié)
第三章 基于改進(jìn)動(dòng)態(tài)配置的FPGA卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法
    3.1 系統(tǒng)總體框架
    3.2 基于流水線結(jié)構(gòu)的層間模塊復(fù)用
        3.2.1 流水線結(jié)構(gòu)設(shè)計(jì)
        3.2.2 層間模塊復(fù)用沖突
    3.3 基于循環(huán)切割和重排的動(dòng)態(tài)優(yōu)化
        3.3.1 數(shù)據(jù)共享關(guān)系
        3.3.2 循環(huán)切割和重排
    3.4 動(dòng)態(tài)定點(diǎn)數(shù)據(jù)量化
    3.5 實(shí)驗(yàn)分析及對(duì)比
        3.5.1 優(yōu)化分析
        3.5.2 數(shù)據(jù)量化分析
        3.5.3 性能驗(yàn)證及比較
    3.6 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的手指靜脈圖像識(shí)別
    4.1 手指靜脈圖像數(shù)據(jù)庫(kù)
    4.2 感興趣區(qū)域截取
    4.3 手指靜脈圖像的歸一化處理
        4.3.1 尺寸歸一化
        4.3.2 灰度歸一化
    4.4 數(shù)據(jù)擴(kuò)增
    4.5 實(shí)驗(yàn)結(jié)果
    4.6 本章小結(jié)
第五章 基于FPGA和卷積神經(jīng)網(wǎng)絡(luò)的手指靜脈識(shí)別系統(tǒng)
    5.1 系統(tǒng)硬件框圖
    5.2 系統(tǒng)軟件流程
    5.3 系統(tǒng)平臺(tái)搭建
        5.3.1 啟動(dòng)文件
        5.3.2 文件系統(tǒng)
    5.4 性能及精度對(duì)比分析
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀碩士學(xué)位期間已錄用的學(xué)術(shù)論文
    3 參與的科研項(xiàng)目及獲獎(jiǎng)情況
    4 發(fā)明專利
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于灰度變化方向的指靜脈特征檢測(cè)算法[J]. 熊顯名,唐綺雯,張文濤.  現(xiàn)代電子技術(shù). 2019(03)
[2]利用參數(shù)稀疏性的卷積神經(jīng)網(wǎng)絡(luò)計(jì)算優(yōu)化及其FPGA加速器設(shè)計(jì)[J]. 劉勤讓,劉崇陽.  電子與信息學(xué)報(bào). 2018(06)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法綜述[J]. 胡碩,趙銀妹,孫翔.  高技術(shù)通訊. 2018(03)
[4]面向邊緣計(jì)算的嵌入式FPGA卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建方法[J]. 盧冶,陳瑤,李濤,蔡瑞初,宮曉利.  計(jì)算機(jī)研究與發(fā)展. 2018(03)
[5]基于最佳局部差值編碼位的手指靜脈識(shí)別[J]. 襲肖明,尹義龍,張夢(mèng)羽,楊璐,孟憲靜,杜亨方.  模式識(shí)別與人工智能. 2017(09)
[6]基于分塊LBP和分塊PCA的指靜脈識(shí)別方法[J]. 楊文文,毛建旭,陳姜嘉旭.  電子測(cè)量與儀器學(xué)報(bào). 2016(07)
[7]基于小波灰度曲面的近紅外手指靜脈識(shí)別方法[J]. 徐天揚(yáng),惠曉威,林森.  激光與光電子學(xué)進(jìn)展. 2016(04)
[8]用于手背靜脈注射的圖像自動(dòng)識(shí)別與標(biāo)注[J]. 張珣,郭永洪,李剛,何金龍.  紅外技術(shù). 2015(09)
[9]高質(zhì)量手掌靜脈圖像獲取及ROI提取的研究[J]. 陳朋,藍(lán)曉柯,金峰,史金專.  傳感技術(shù)學(xué)報(bào). 2015(07)
[10]步態(tài)識(shí)別關(guān)鍵技術(shù)研究[J]. 盧官明,衣美佳.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(07)

博士論文
[1]基于手指多模態(tài)生物特征的身份認(rèn)證關(guān)鍵問題研究[D]. 彭加亮.哈爾濱工業(yè)大學(xué) 2014

碩士論文
[1]基于HLS的Tiny-yolo卷積神經(jīng)網(wǎng)絡(luò)加速研究[D]. 張麗麗.重慶大學(xué) 2017
[2]手指多模態(tài)特征識(shí)別算法研究[D]. 姜立.浙江工業(yè)大學(xué) 2017
[3]基于異構(gòu)計(jì)算的CNN并行框架的設(shè)計(jì)與實(shí)現(xiàn)[D]. 彭玉炳.電子科技大學(xué) 2016
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法研究[D]. 趙爽.中國(guó)地質(zhì)大學(xué)(北京) 2015



本文編號(hào)：3003183