Ultra96平台上的实时行人检测系统设计与实现

本项目是2019年SEU-Xilinx国际暑期学校的团队作品，名为“基于Ultra96的行人检测系统”，由鲍春担任组长，负责FPGA程序开发和系统整体架构设计，胡心雨负责深度学习模型开发与训练，常乐则负责嵌入式程序开发和DPU软件调试。设计的主要目的是将高性能的行人检测算法——SSD（Single Shot MultiBox Detector）移植到嵌入式系统，尤其是Ultra96平台上，以解决在实际应用中的实时性和低功耗需求。 系统概述部分阐述了深度学习在计算机视觉领域的快速发展，特别是行人检测技术在智能领域的广泛应用，如机器人、安防监控和无人驾驶。然而，传统的行人检测算法在嵌入式环境中的实时性能通常较差，因此，本项目选择基于DPU框架，利用Ultra96的计算能力，优化模型以适应嵌入式设备，以实现高效能的行人检测。 功能说明部分，系统分为三个核心模块：图像采集模块，主要负责摄像头捕获图像；图像处理模块，通过Ultra96的硬件加速进行深度学习模型的运行，对图像进行行人检测；结果显示模块，将处理后的结果通过HDMI显示单元实时呈现。整体设计旨在实现从摄像头输入到实时结果输出的完整流程。 系统流程详细描述了基于SSD网络的行人检测过程，首先从USB摄像头获取图像数据，然后通过DPU进行计算加速，最后将检测结果通过PL端的HDMI接口显示出来，确保整个过程能在嵌入式环境中保持实时性。 这个项目不仅关注技术实现，还考虑了实际应用的挑战，通过模型压缩来降低计算负担，以满足嵌入式设备的性能限制，体现了对理论与实践相结合的重视，是嵌入式人工智能领域的有益探索。