CPU-FPGA异构平台中基于深度学习的人脸识别方法研究与实现文献综述

人脸识别作为一种重要的生物特征识别技术，近年来在深度学习的推动下取得了显著进展。

然而，深度学习模型庞大的计算量和存储需求对硬件平台提出了较高要求，传统CPU平台难以满足实时性需求。

CPU-FPGA异构平台结合了CPU的通用性和FPGA的并行计算能力，为深度学习人脸识别算法的部署提供了一种高效解决方案。

本文首先介绍了人脸识别和CPU-FPGA异构平台的相关概念，然后综述了人脸识别算法、深度学习模型压缩与加速、CPU-FPGA异构计算平台以及异构平台人脸识别应用等方面的研究现状，并对现有研究方法进行分析和比较。

接着，本文重点阐述了CPU-FPGA异构平台中基于深度学习的人脸识别方法，包括异构平台架构设计、人脸识别算法设计和FPGA实现等关键技术。

最后，对全文进行总结，并展望了未来的研究方向。

关键词：人脸识别；深度学习；CPU-FPGA异构平台；模型压缩；FPGA加速

#1.1人脸识别
人脸识别是一种利用人脸特征进行身份识别的生物特征识别技术。

与指纹识别、虹膜识别等技术相比，人脸识别具有非接触性、非侵犯性、用户友好等优点，因此在安全监控、身份验证、人机交互等领域得到广泛应用。

人脸识别一般包括人脸检测、人脸特征提取和人脸比对三个步骤。