基于深度学习的人脸识别系统介绍

　　人脸是高度非刚性的，有很多细节反映了个体差异，人脸识别系统是将从静态图像或动态视频中检测到的人脸图像与数据库中的人脸图像进行比较以找到匹配的人脸的过程，它通常用于识别和识别目的，它属于生物特征识别的主题。

　　传统的人脸识别方法有很多种，大致可以分为两类，一类是基于局部的方法，如使用局部描述子Gabor、局部二进制模式等进行识别;另一类是基于全局方法的，包括经典的人脸识别算法，如特征脸法，线性判别分析法等子空间学习算法，局部保持投影算法等流行的学习算法。

　　目前，国内外人脸识别领域的研究主要集中在主成分分析、LBP算法、深度学习算法等方面，深度学习在人脸识别领域具有很强的鲁棒性，同时具有很高的识别率，识别效果远优于其他算法，但现阶段，FPGA平台上的人脸识别主要采用主成分分析和LBP算法。

　　FPGA平台上实现了一种深度学习人脸识别系统，该系统工作在50MHz的时钟频率下，识别速度可达400FPS，远远超过了现有的一些结果，识别准确率与人眼相当，高达99.25%，该训练集覆盖多种光照条件，能在大多数光照条件下完成识别功能，具有良好的鲁棒性。