This is stars and forks stats for /WalkerLau/DetectHumanFaces repository. As of 30 Apr, 2024 this repository has 157 stars and 54 forks.
基于 ARM Cortex-M3 处理器与 FPGA 的实时人脸检测 SOC 原创作品,转载请联系作者并注明出处:https://github.com/WalkerLau 源码地址:https://github.com/WalkerLau/DetectHumanFaces 本项目是第四届集成电路创新创业大赛(ARM杯)的参赛作品,包含了详细的技术文档、软件配置教程以及完整的代码。 项目描述 我们采用ARM Cortex-M3软核及FPGA构成了轻量级的实时人脸检测SOC,通过ov5640摄像头采集实时图像,经过检测系统的检测后,将已经框出人脸的实时图像通过HDMI输出到显示器,同时可以通过UART查看检测时间等信息,还能通过板载LED灯查看检测到的人脸数量。 我们采用的算法是 Nenad Markus 提供的 Pixel Intensity Comparison-based Object detection ,该算法可以快速检测出人脸的位置与数量。 我们的人脸检测系统的特点如下: 速度快:我们为SOC设计了运算加速器,最终实现了18帧/秒的检测速度。关于加速器的详细介绍请看《TechSpecification》。 节省硬件资源:采用低成本的Cortex-M3处理器及FPGA实现。 实现效果 经过Cortex-M3及硬件加速器的运算后,我们的人脸检测系统可以实现18帧/秒的检测能力。 硬件及软件平台 硬件: 开发板:黑金 ALINX AX7050 FPGA 芯片:Xilinx Spartan7 XC7S50 摄像头:OmniVision(豪威) OV5640 软件: Keil MDK v5.29 vivado 2019.2 FPGA资源消耗量 系统的技术细节 关于本人脸检测系统的具体技术细节,如系统架构、检测算法、加速器的设计等,都可以在本 Github repo 的《TechSpecification》中找到。 文件 Docs/Keil and Vivado Configurations.pdf 详细介绍了Keil与Vivado IP的配置。 文件夹 hardware 包含了所有硬件代码(Verilog代码)、约束文件和决策树参数文件 facefinder.coe(.coe文件用于初始化Block RAM)。 文件夹 software 包含了所有软件代码(C代码等),创建完Keil项目之后需将该文件夹里的所有文件添加到项目。 files/minSOC.hex 是Keil编译好的机械码,用于在vivado中初始化ROM。 files/minSOC.bit 是vivado编译好的比特流文件,仅可用于 “黑金 ALINX AX7050” 开发板的下板。 hardware/facefinder.coe是决策树参数文件,需要添加到BRAM中,如何添加请留意Docs/Keil and Vivado Configurations.pdf关于Block memory一节。 作者 Xuanzhi LIU Qiao HU Zongwu HE
基于 ARM Cortex-M3 处理器与 FPGA 的实时人脸检测 SOC 原创作品,转载请联系作者并注明出处:https://github.com/WalkerLau 源码地址:https://github.com/WalkerLau/DetectHumanFaces 本项目是第四届集成电路创新创业大赛(ARM杯)的参赛作品,包含了详细的技术文档、软件配置教程以及完整的代码。 项目描述 我们采用ARM Cortex-M3软核及FPGA构成了轻量级的实时人脸检测SOC,通过ov5640摄像头采集实时图像,经过检测系统的检测后,将已经框出人脸的实时图像通过HDMI输出到显示器,同时可以通过UART查看检测时间等信息,还能通过板载LED灯查看检测到的人脸数量。 我们采用的算法是 Nenad Markus 提供的 Pixel Intensity Comparison-based Object detection ,该算法可以快速检测出人脸的位置与数量。 我们的人脸检测系统的特点如下: 速度快:我们为SOC设计了运算加速器,最终实现了18帧/秒的检测速度。关于加速器的详细介绍请看《TechSpecification》。 节省硬件资源:采用低成本的Cortex-M3处理器及FPGA实现。 实现效果 经过Cortex-M3及硬件加速器的运算后,我们的人脸检测系统可以实现18帧/秒的检测能力。 硬件及软件平台 硬件: 开发板:黑金 ALINX AX7050 FPGA 芯片:Xilinx Spartan7 XC7S50 摄像头:OmniVision(豪威) OV5640 软件: Keil MDK v5.29 vivado 2019.2 FPGA资源消耗量 系统的技术细节 关于本人脸检测系统的具体技术细节,如系统架构、检测算法、加速器的设计等,都可以在本 Github repo 的《TechSpecification》中找到。 文件 Docs/Keil and Vivado Configurations.pdf 详细介绍了Keil与Vivado IP的配置。 文件夹 hardware 包含了所有硬件代码(Verilog代码)、约束文件和决策树参数文件 facefinder.coe(.coe文件用于初始化Block RAM)。 文件夹 software 包含了所有软件代码(C代码等),创建完Keil项目之后需将该文件夹里的所有文件添加到项目。 files/minSOC.hex 是Keil编译好的机械码,用于在vivado中初始化ROM。 files/minSOC.bit 是vivado编译好的比特流文件,仅可用于 “黑金 ALINX AX7050” 开发板的下板。 hardware/facefinder.coe是决策树参数文件,需要添加到BRAM中,如何添加请留意Docs/Keil and Vivado Configurations.pdf关于Block memory一节。 作者 Xuanzhi LIU Qiao HU Zongwu HE
repo | techs | stars | weekly | forks | weekly |
---|---|---|---|---|---|
LongSoft/UEFITool | CC++Kaitai Struct | 3.7k | 0 | 588 | 0 |
werman/noise-suppression-for-voice | CC++CMake | 3.9k | 0 | 186 | 0 |
TeyvatL/GrasscutterTool-3.0.5 | C# | 87 | +1 | 8 | 0 |
regzo2/OSCmooth | C# | 116 | 0 | 8 | 0 |
NYAN-x-CAT/AsyncRAT-C-Sharp | C# | 1.8k | 0 | 718 | 0 |
cmu-db/bustub | C++CMakePython | 3k | 0 | 1.5k | 0 |
flashlight/flashlight | C++Jupyter NotebookCMake | 5k | 0 | 499 | 0 |
ZDoom/gzdoom | C++CZenScript | 2k | +5 | 470 | +1 |
matthieu-hackwitharts/Win32_Offensive_Cheatsheet | C++C | 775 | 0 | 125 | 0 |
nikitadanilov/3-lisp | Common LispRoff | 48 | 0 | 6 | 0 |