1. 研究目的与意义（文献综述）

1.1研究目的及意义

在智能安防、身份认证、金融支付、反恐维稳等领域，人脸识别技术应用场景广泛；另一方面，随着各类物联网、互联网智能应用的大量部署，对系统计算能力的需求不断提高，因此，以gpu和fpga为代表的高效加速设备也逐渐被重视和应用。

当前基于深度学习的人脸识别算法被证明具有极高的识别准确率，而准确的人脸识别算法计算复杂度高，随着相关应用的广泛部署，大规模实时的人脸识别对计算资源需求量和性能要求也越来越高，而fpga具有高性能、低功耗等重要特征，是未来支撑大规模智能应用的核心加速设备，如何充分利用cpu-fpga异构平台中计算能力，提供高性能的人脸识别深度学习加速方案是当前的关键问题。

2. 研究的基本内容与方案

2.1研究内容和目标

本次毕业设计将在认真学习cpu-fpga异构平台相关知识的基础上，对基于深度学习的人脸识别方法进行研究。具体内容如下：

（1）研究基于深度学习的人脸识别方法，学习opencv、openface或tensorflow等相关视觉开源技术，从cnki/ieee的数据库检索，调研近三年发表的高水平学术论文，编程实现算法，对于实现的算法给出相关论文的支撑、引用，并尝试自己给出改进识别准确率的方法。

3. 研究计划与安排

（1）2018/1/14—2018/1/18：确定选题。

（2）2018/1/19—2018/2/22：查阅文献，外文翻译。

（3）2018/2/23—2018/3/5：撰写开题报告。

4. 参考文献（12篇以上）

[1]黄乐天, 范兴山, 彭军. fpga异构计算:基于opencl的开发方法[m]. 西安电子科技大学出版社, 2015.

[2]沈理, 刘翼光, 熊志勇. 人脸识别原理及算法:动态人脸识别系统研究[m]. 人民邮电出版社, 2014.

[3]吴岸城. 神经网络与深度学习[m]. 电子工业出版社, 2016.