基于单片机的多路信号采集器的设计

本科毕业设计（论文）基于单片机的多路信号采集器的设计秦博燕山大学2012年6月本科毕业设计（论文）基于单片机的多路信号采集器的设计学院里仁学院专业电子信息工程学生姓名秦博学号081308061027指导教师李刚答辩日期2012年6月17日燕山大学毕业设计（论文）任务书学院里仁学院系级教学单位电子工程系学号081308061027学生姓名秦博专业班级电子信息工程081班题目名称基于单片机的多路信号采集器的设计题目性质1理工类工程设计（）；工程技术实验研究型（）；理论研究型（）；计算机软件型（）；综合型（）2文管理类（）；3外语类（）；4艺术类（）题目类型1毕业设计（）2论文（）题目题目来源科研课题（）生产实际（）自选题目（）主要内容以单片机为控制核心，利用模数转换器，设计信号采集器，并可以与微机系统进行通信，把检测得到的数据传送到微机中进行保存。基本要求1、独立完成系统软硬件设计，并搭电路验证。2、独立完成控制软件的编写、调试。3、完成系统调试。参考资料1凌阳16位单片机应用基础，罗亚非编著，北京航空航天大学出版社2嵌入式语音技术及凌阳16位单片机应用，李晶皎编著，北航出版社周次第14周第58周第912周第1316周第1718周应完成的内容收集资料熟悉课题内容设计思路电路设计程序设计程序设计搭电路调试改进同前论文撰写课题总结答辩指导教师李刚职称讲师2012年2月28日系级教学单位审批练秋生2012年2月28日摘要I摘要数据采集器是目前工业控制中应用较多的一类产品，常常利用PC或工控机对各种数据进行采集。数据采集技术是信息科学的重要分支，是传感器、信号获取、存储与处理等信息技术结合。本文采用了TI公司生产的11路12位串行模数转换芯片TLC2543和宏晶公司生产的增强型80C51系列单片机STC12C5A60S2组成了一个基于单片机的多路信号采集系统。这个数据采集系统可将数据的采集结果通过TLC2543的A/D转换后，将模拟信号转换成数字信号并以直观的十进制形式显示在LCD1602液晶显示器上。还可以通过MAX232芯片与PC进行串口数据通信，达到在PC机上实时的显示、存储和处理采样数据的目的。在数据采集部分，加入了变阻器用来采集变阻器上的电压值，此电压值为该数据采集系统的模拟输入信号。关键词数据采集；A/D转换；TLC2543；LCD1602燕山大学本科生毕业设计（论文）IIABSTRACTDATAACQUISITIONISTHEINDUSTRIALCONTROLAPPLICATIONMORETHANACLASSOFPRODUCTS,OFTENUSINGPCORCOMPUTERONAVARIETYOFDATACOLLECTIONDATAACQUISITIONTECHNOLOGYISANIMPORTANTBRANCHOFINFORMATIONSCIENCE,SENSOR,SIGNALACQUISITION,STORAGEANDPROCESSINGOFINFORMATIONTECHNOLOGYTHISPAPERUSESTICOMPANY1112BITSERIALA/DCONVERSIONCHIP,TLC2543ANDTHEHOEJOHNPRODUCEDENHANCED80C51SERIESSINGLECHIPSTC12C5A60S2TOFORMAMULTICHANNELSIGNALACQUISITIONSYSTEMBASEDONSINGLECHIPMICROCOMPUTERTHEDATAACQUISITIONSYSTEMCANBEDATAACQUISITIONBYTLC2543A/DCONVERTER,CONVERTSTHEANALOGSIGNALSINTODIGITALSIGNALSANDTOVISUALLYDISPLAYTHEDECIMALFORMLCD1602LIQUIDCRYSTALDISPLAYTHROUGHTHEMAX232CHIPANDTHEPCSERIALDATACOMMUNICATIONS,WECANACHIEVETHEPCREALTIMEDISPLAY,STORAGEANDPROCESSINGOFSAMPLINGDATAFORTHEPURPOSEINTHEDATACOLLECTIONPART,THERHEOSTATISUSEDTOCOLLECTTHEVOLTAGEACROSSTHEVARISTORVOLTAGEVALUE,THEVALUEOFTHEDATAACQUISITIONISANALOGSIGNALINPUTOFTHESYSTEMKEYWORDSDATAACQUISITIONA/DCONVERSIONTLC2543LCD1602III目录摘要IABSTRACTII第1章绪论111课题背景112选题的依据和意义113国内外研究现状114本文主要研究内容3第2章STC12C5A60S2单片机的介绍421STC12C5A60S2单片机的说明4211芯片特性4212STC12C5A60S2单片机硬件组成结构5213STC12C5A60S2单片机引脚功能522本章小结7第3章系统模块分析831A/D转换模块8311A/D转换芯片的选择8312TLC2543芯片的说明9313TLC2543工作原理1132LCD显示模块13321LCD1602的说明13322LCD1602的显示原理1533串口通信模块16331MAX232与RS232C的说明16332串口通信模块工作原理2034整体电路图2235本章小结22第4章系统软件分析2341程序流程图分析23IV411初始化程序23412A/D转换的实现24413LCD显示的实现2642系统运行结果28421TLC2543与LCD1602在PROTEUS上的仿真28422PC上数据的显示3043本章小结32结论33参考文献34致谢36附录137附录241附录346附录450附录568第1章绪论1第1章绪论11课题背景数据采集技术作为信息科学的主要分支，他不仅应用在智能仪器中，而且在现代工业生产、国防军事及科学研究等方面都得到广泛应用，无论是过程控制、状态检测、或者是故障诊断、质量检测，都离不开数据采集系统。随着科学技术的进步，特别是以传感器技术、通信技术和计算机技术为基础的现代信息技术的发展，以及测试理论的不断发展，数据采集技术的发展也是日新月异1。12选题的依据和意义在冶金、化工、医学、和电器性能测试等许多场合需要同时对多通道快变的模拟信号进行采集、预处理、暂存和向上位机传送、再由上位机进行数据分析和处理，信号波形显示、自动报表生成等处理，这些都需要数据采集系统来完成，但很多数据采集系统存在功能单一、采集通道少、采集速率低、操作复杂、并且对操作环境要求较高等问题。人们需要一种应用范围广、性价比高的数据采集系统。数据采集系统的任务，就是采集传感器输出的模拟信号转换成计算机能识别的信号，并送入计算机，然后将计算得到的数据进行显示或打印，以便实现对某些物理量的监测，其中一些数据还将被生产过程中的计算机控制系统用来控制某些物理量。近年来，数据采集及其应用受到了人们越来越广泛的关注，数据采集系统也有了迅速的发展，它可以广泛的应用于各种领域。13国内外研究现状美国FLUKE公司的262XA系列数据采集器是一种小型、便携、操作简单、使用灵活的数据采集器。它可单独使用又可与计算机连接使用，它具有多种测试功能，多种数据存储功能和控制方式。在国内，由于数据采集技术不断发展，市场上出现各种新型的数据采集器。例如北京凯文斯系统集成系统有限公司的E16单端，可编程增益为1，2，4，8倍，分辨率燕山大学本科生毕业设计（论文）2为十六位，采用率为16位，采样最高频率决定于微机的CPU及处理速度，一般6080KHZ。国内的数据采集器与国外的数据采集器相比，在技术上仍有一定的差距。目前国内的数据采集器在高精度、高速度、实时数据采集和数据采集器的现场处理能力等方面仍有不足，不能满足运动控制、爆炸检测、医疗设备、快速生产过程和变电站自动化等领域的要求。从近来国外公司展示的新产品可以看出，主要的发展可以概括为体积小、功能多样和使用方便等三个方面。此外，数据采集系统的应用特点还反映在如下几个方面第一，它既是一台数据采集器，又是一台功能较全的机器状态分析仪，不仅有常用的时域分析和频域FIT分析，而且还可以做倒谱、细化、包络谱和时频域分析等功能。第二，它既是采集器，又可以兼做其它仪器来用。如法国迈威公司的MOVILOG数据采集器，就可作为一台动平衡仪来用，它不但可以做单一平面的动平衡，还可以做六个平面的动平衡。第三，储存量大，从低频到高频频率测量范围宽，能适应机器从低速到高速的各种监测范围需要。第四，可利用振动传感器或过程传感器或电量传感器等输入多种物理量，如振动加速度、位移、相位、转速、温度、压力、流量、电压、电流和功率等，形成多参数监测系统。第五，数据采集器配套的软件是以通用窗口的软件为基础，功能较强。一套软件可同时支持数种不同型号与不同档次的数据采集器。第六，数据采集器已经安装了LCD背光显示屏，并尽量减少了操作键，元器件高度集成化，并减轻了机器的重量，采用防水防撞击的密封外壳，能适应恶劣的工业环境。数据采集系统的市场需求量大，特别是随着技术的发展，可用数据器为核心构成一个小系统，而目前国内生产的主要是数据采集卡，存在无显示功能、无记忆存储功能等问题，其应用有很大的局限性，所以开发高性能的，具有存储功能的数据采集产品具有很大的市场前景2。第1章绪论314本文主要研究内容本文主要的研究内容是基于STC12C5A60S2系列单片机和TLC2543的多路数据采集器，该系统包括以下功能变阻器电压的模拟信号采集，多路模拟信号的A/D转换，LCD1602显示数据，串口通信，PC机上的数据显示。第二章中主要介绍了本设计所使用的单片机。第三章则分析了各个模块，在每个模块说明中主要介绍所使用的器件特性、引脚功能、工作原理、电路原理图等。第四章主要介绍软件部分的实现和仿真调试部分以及硬件成品。燕山大学本科生毕业设计（论文）4第2章STC12C5A60S2单片机的介绍21STC12C5A60S2单片机的说明211芯片特性随着电子行业发展的突飞猛进，微控制器，作为大多数电子产品的核心器件，发展更是日新月异，无论从品种上还是从性能上都是不断进步。1971年INTEL公司研制出世界上第一个4位的微处理器INTEL4004，标志着第一代微处理器问世，微处理器和微机时代从此开始。目前市面上常见的单片机有AVR、DSP、PIC、51系列等等，每一款单片机都有其独特的功能和特性。51单片机虽然是一款入门级的单片机，然而随着多家公司相继推出51系列器件以后，无论是性能还是稳定性方面都大大改进。因此，我选择了宏晶公司生产的STC12C5A60S2系列单片机。STC12C5A60S2系列单片机是一个增强型51系列单片机。2111内含看门狗STC12C5A60S2系列单片机内部引进了看门狗功能，使单片机系统可靠性设计变得更加方便/简洁。如果MCU/CPU不在规定的时间内按要求访问看门狗，就认为MCU/CPU处于异常状态，看门狗就会强迫MCU/CPU复位，使系统重新从头开始按规律执行用户程序。2112低功耗STC12C5A60S2系列单片机可以运行3种省电模式以降低功耗，他们分别是空闲模式，低速模式和掉电模式，正常工作模式下，STC12C5A60S2系列单片机的典型功耗是2MA7MA，而掉电模式下的典型功耗是ADDTOPROJECTCOMPONENTSANDCONTROL插入即可，再将该控件从工具箱中拉到对话框中。在CLASSWIZARD中为新创建的通信控件定义成员对象（CMSCOMMM_SERIAL），通过该对象便可以对串口属性进行设置，MSCOMM控件共有27个属性。在接收或发送数据过程中，可能需要监视并响应一些事件和错误，所以事件驱动是处理串行端口交互作用的一种非常有效的方法。使用ONCOMM事件和COMMEVENT属性捕捉并检查通讯事件和错误的值。发生通讯事件或错误时，将触发ONCOMM事件，COMMEVENT属性的值将被改变，应用程序检查COMMEVENT属性值并作出相应的反应。燕山大学本科生毕业设计（论文）50附录4DESIGNANDIMPLEMENTATIONOFANFPGABASEDREALTIMEFACERECOGNITIONSYSTEMJANARBEKMATAI,ALIIRTURKANDRYANKASTNERDEPTOFCOMPUTERSCIENCEANDENGINEERING,UNIVERSITYOFCALIFORNIA,SANDIEGOLAJOLLA,CA92093,UNITEDSTATESJMATAI,AIRTURK,KASTNERCSUCSDEDUABSTRACTFACERECOGNITIONSYSTEMSPLAYAVITALROLEINMANYAPPLICATIONSINCLUDINGSURVEILLANCE,BIOMETRICSANDSECURITYINTHISWORK,WEPRESENTACOMPLETEREALTIMEFACERECOGNITIONSYSTEMCONSISTINGOFAFACEDETECTION,ARECOGNITIONANDADOWNSAMPLINGMODULEUSINGANFPGAOURSYSTEMPROVIDESANENDTOENDSOLUTIONFORFACERECOGNITIONITRECEIVESVIDEOINPUTFROMACAMERA,DETECTSTHELOCATIONSOFTHEFACESUSINGTHEVIOLAJONESALGORITHM,SUBSEQUENTLYRECOGNIZESEACHFACEUSINGTHEEIGENFACEALGORITHM,ANDOUTPUTSTHERESULTSTOADISPLAYEXPERIMENTALRESULTSSHOWTHATOURCOMPLETEFACERECOGNITIONSYSTEMOPERATESAT45FRAMESPERSECONDONAVIRTEX5FPGAKEYWORDSFACERECOGNITIONEIGENFACECOMPLETEFACERECOGNITIONSYSTEMFACEDETECTIONFPGAREALTIMEPROCESSINGIINTRODUCTIONFACERECOGNITIONISACHALLENGINGRESEARCHAREAINTERMSOFBOTHSOFTWAREDEVELOPINGALGORITHMICSOLUTIONSANDHARDWARECREATINGPHYSICALIMPLEMENTATIONSANUMBEROFFACERECOGNITIONALGORITHMSHAVEBEENDEVELOPEDINTHEPASTDECADES1WITHVARIOUSHARDWAREIMPLEMENTATIONS2,3,4,5,附录4516,7ALLPREVIOUSHARDWAREIMPLEMENTATIONSASSUMETHATTHEINPUTTOTHEFACERECOGNITIONSYSTEMISANUNKNOWNFACEIMAGECURRENTHARDWAREBASEDFACERECOGNITIONSYSTEMSARELIMITEDSINCETHEYFAILIFTHEINPUTISNOTAFACEIMAGEAPRACTICALFACERECOGNITIONSYSTEMSHOULDNOTREQUIRETHEINPUTTOBEAFACE,INSTEADWOULDRECOGNIZEFACESFROMANYARBITRARYVIDEOWHICHMAYORMAYNOTCONTAINFACESPOTENTIALLYINTHEPRESENCEOFOTHEROBJECTSTHEREFORE,ANIDEALFACERECOGNITIONSYSTEMSHOULDFIRSTHAVEAFACEDETECTIONSUBSYSTEMWHICHISNECESSARYFORFINDINGAFACEINANARBITRARYFRAME,ANDALSOAFACERECOGNITIONSUBSYSTEMWHICHIDENTIFIESTHEUNKNOWNFACEIMAGEWEDEFINETHECOMPLETEFACERECOGNITIONSYSTEMASASYSTEMWHICHINTERFACESWITHAVIDEOSOURCE,DETECTSALLFACESIMAGESINEACHFRAME,ANDSENDSONLYTHEDETECTEDFACEIMAGESTOTHEFACERECOGNITIONSUBSYSTEMWHICHINTURNIDENTIFIESTHEFACEIMAGESWEDESIGNEDANDIMPLEMENTEDAREALTIMEANDCOMPLETEFACERECOGNITIONSYSTEMCONSISTINGOFAFACEDETECTIONSUBSYSTEM,ADOWNSAMPLINGMODULEANDAFACERECOGNITIONSUBSYSTEMTHEFACEDETECTIONSUBSYSTEMUSESOURPREVIOUSLYDEVELOPEDHARDWAREIMPLEMENTATION8,9,WHICHISPUBLICLYAVAILABLEAT10THEFACERECOGNITIONSUBSYSTEMUSESTHEEIGENFACEALGORITHM1THECOMPLETESYSTEMINTERFACESWITHACAMERA,SENDSTHEVIDEODATATOTHEFACEDETECTIONSUBSYSTEM,WHICHINTURNSENDSDETECTEDFACESTOTHEFACERECOGNITIONSUBSYSTEMVIATHEDOWNSAMPLINGMODULEASSHOWNINFIGURE1OURFACERECOGNITIONSYSTEMAUTOMATICALLYIDENTIFIESORVERIFIESAPERSONFROMADIGITALIMAGE,AVIDEOFRAMEORAVIDEOSOURCEWHILEPREVIOUSWORKS2,3,4,5,6,7SIMPLYIMPLEMENTEDWHATWEDESCRIBEASTHEFACERECOGNITIONSUBSYSTEM燕山大学本科生毕业设计（论文）52FIGURE1OVERVIEWOFOURCOMPLETEFACERECOGNITIONSYSTEMONANFPGAVIDEODATAISRECEIVEDFROMTHECAMERAANDSENTTOTHEFACEDETECTIONSUBSYSTEMWHICHFINDSTHELOCATIONOFTHEFACESTHESEFACESCANBEANYSIZETHEARCHITECTURETHENPERFORMSDOWNSAMPLINGOFTHEDETECTEDFACETO2020,ANDSENDSTHESE400PIXELVALUESTOTHERECOGNITIONSUBSYSTEMTHEFACERECOGNITIONSUBSYSTEMIDENTIFIESTHEPERSONINTHISWORK,WEDESCRIBETHEDESIGNANDIMPLEMENTATIONOFAFACERECOGNITIONARCHITECTUREUSINGEIGENFACEALGORITHMWEDESIGNANDIMPLEMENTAFACERECOGNITIONSUBSYSTEMONANFPGAUSINGBOTHPIPELINEDANDNONPIPELINEDARCHITECTURESINEACHCASE,WEEVALUATESYSTEMPERFORMANCEONADIFFERENTNUMBEROFIMAGESTHENWESHOWHOWTOINTEGRATEFACERECOGNITIONANDFACEDETECTIONUSINGADOWNSAMPLINGMODULEWHICHISRESPONSIBLEFORPREPROCESSINGDETECTEDFACEIMAGESFROMTHEDETECTIONSUBSYSTEMTOSATISFYTHEREQUIREMENTSOFTHEFACERECOGNITIONSUBSYSTEMIIFACERECOGNITIONSUBSYSTEMAARCHITECTURETHEBLOCKDIAGRAMOFTHEFACERECOGNITIONSUBSYSTEMISSHOWNINFIGURE21IMAGEREADERTHEIMAGEREADERMODULEREADSA2020IMAGEANDSTORESEACHPIXELOFTHISUNKNOWNIMAGEINTHEIMAGEFRAMEBUFFERTHESEARETHEPIXELSOFTHEUNKNOWNIMAGETHATNEEDTOBERECOGNIZEDPREVIOUSLYSTOREDPIXELSARESENTTOTHENORMALIZEDIMAGECALCULATORMODULEINORDERTOSTARTNORMALIZEDIMAGECALCULATION附录453FIGURE2ABLOCKDIAGRAMOFTHEFACERECOGNITIONSUBSYSTEMIMPLEMENTEDONVIRTEX5FPGA2NORMALIZEDIMAGECALCULATORTHENORMALIZEDIMAGECALCULATORMODULEFINDSTHEDIFFERENCESBETWEENTHEAVERAGEIMAGEANDTHEINPUTIMAGETHEAVERAGEIMAGEREADERREADSTHEIMAGEPIXELSFROMTHEAVERAGEIMAGEBUFFER,ANDTHENTHEINPUTIMAGEPIXELSARESUBTRACTEDTOFINDANORMALIZEDIMAGETHENORMALIZEDIMAGEISSTOREDINTHENORMALIZEDIMAGEBUFFER3WEIGHTVECTORFINDERTHEWEIGHTVECTORFINDERMODULECALCULATESWEIGHTVALUESFORINPUTIMAGEUSINGTHEPREVIOUSLYCALCULATEDNORMALIZEDIMAGEANDEIGENVECTORVALUESTHEEIGENVECTORVALUESAREREADBYTHEEIGENFACEREADERFROMTHEEIGENFACEIMAGEBUFFERTHEEIGENVECTORVALUESARESTOREDINBLOCKRAMTHEWEIGHTVECTORFINDERISTHEMOSTCOMPUTATIONALLYEXPENSIVESTEPINTHEFACERECOGNITIONALGORITHM4WEIGHTVECTORREADERTHEWEIGHTVECTORREADERISUSEDBYTHECLASSIFIER/PROJECTIONMODULEFORRETRIEVINGTHEWEIGHTVECTORVALUESTHATAREGENERATEDINTHETRAININGSTAGEANDSTOREDINTHEBLOCKRAM5CLASSIFIER/PROJECTIONTHECLASSIFIERMODULEUTILIZESWEIGHTVECTORSFROMTHENWEIGHTVECTORREADERMODULEANDTHEWEIGHTVECTORFORTHEUNKNOWNIMAGEFROMTHEWEIGHTVECTORFINDERMODULETHENTHECLASSIFIERFINDSTHEDISTANCEBETWEENEACHWEIGHTVECTORFROMTHEWEIGHTVECTORREADERMODULEANDTHEWEIGHTVECTOROFTHEUNKNOWNIMAGEFOREACHCALCULATIONOFDISTANCE,ITCOMPARESTHECURRENTDISTANCEVALUEWITHTHEPREVIOUSONEIFTHECURRENTVALUEISSMALLER,THENITISSTOREDTOTHEDISTANCEBUFFERFINALLY,THEINDEXOFTHEIDENTIFIEDFACE,WHICHCORRESPONDSTOAMINIMUMDISTANCEINDISTANCEBUFFER,ISSENTTOTHEDISPLAYOROTHEROUTPUTDEVICEASANIDENTIFIEDFACEBFPGAIMPLEMENTATIONTHEIMPLEMENTATIONOFTHEFACERECOGNITIONSUBSYSTEMISPERFORMEDINTWOSTEPSTHEFIRSTSTEPGENERATESTHETRAININGDATAANDTHESECONDSTEPISFACE燕山大学本科生毕业设计（论文）54RECOGNITION1TRAININGDATAGENERATIONTHETRAININGDATAISGENERATEDUSINGTHEOPENCVLIBRARY11WEUSEDTWODIFFERENTFACEIMAGEDATABASESASTRAININGDATAFIRST,WEEVALUATEDTHEFEASIBILITYOFTHEFACERECOGNITIONSUBSYSTEMUSINGTHEORLDATABASE12WEREFERTOTHEORLDATABASEAS“SET1”THROUGHOUTTHEREMAINDEROFTHEARTICLEWEGENERATEDTRAININGDATAUSING100IMAGESFROM10DIFFERENTINDIVIDUALSFROMSET1WEALSOCOLLECTED60IMAGESFROM6INDIVIDUALSINOURLABWHICHWECALL“SET2”INTHEFOLLOWINGSECTIONS,WEINTRODUCETHEDETAILSOFTHEIMPLEMENTATIONBASEDONSET2THETRAININGDATAPROVIDESUSWITHANAVERAGEIMAGEWEIGHTVECTORSFOREACHIMAGEI，ANDEIGENVECTORSI。ASSUMING1，260REPRESENTTHEINITIAL60IMAGESPROVIDEDFORTRAINING,THEFOLLOWINGDATAISGENERATEDANAVERAGEIMAGEOFSIZE2020AWEIGHTVECTOR1，2，60FOREACHIMAGETHESIZEOFTHEWEIGHTVECTORIFORIMAGEIIS59INTOTAL,WEHAVETOSAVEA5960MATRIXFOREACHIINTHEFORMOF1，2，59。59EIGENVECTORSOFSIZE2020THESETOFEIGENVECTORSIS1，2，59INESSENCE,THETRAININGDATATRANSFORMSTHESIXTYIMAGESINTOALINEARCOMBINATIONOFWEIGHTVECTORSANDEIGENVECTORSFORINSTANCE,1CANBEREPRESENTEDAS111225959（1）2FACERECOGNITIONAFTERGENERATINGTHETRAININGDATA,WESTORETHEAVERAGEIMAGESIZEOFIS2020,THEWEIGHTVECTORSFOREACHIMAGEISIZEOFIIS591,ANDTHEEIGENVECTORSISIZEOF1IS2020INABLOCKRAMTHEN,WEIMPLEMENTFACERECOGNITIONINTHREESTEPSNORMALIZATION,WEIGHTVECTORCALCULATIONANDPROJECTIONTOFINDIFUNKNOWNBELONGSTOANYOFTHESIXINDIVIDUALSFACESINTRAININGDATANORMALIZATIONGIVENA2020UNKNOWNINPUTIMAGEUNKNOWN，THEFIRSTSTEPOFTHEFACERECOGNITIONISTHECALCULATIONOFTHENORMALIZEDIMAGEGIVENTHETRAININGDATA,ITISSTRAIGHTFORWARDTOCALCULATETHENORMALIZEDIMAGETHEAVERAGE附录455IMAGEISSUBTRACTEDFROMUNKNOWNIMAGEPIXELBYPIXELBOTHTHEAVERAGEIMAGEANDTHEUNKNOWNINPUTIMAGEHAVETHESAMESIZE2020THEAVERAGEIMAGEBUFFERISSTOREDINABLOCKRAM,ANDTHEINPUTIMAGEBUFFERISIMPLEMENTEDFORSTORINGTHEUNKNOWNINPUTIMAGESINCETHEREARE400OPERATIONSANDEACHOPERATIONISINDEPENDENT,THESUBTRACTIONOFTHEAVERAGEIMAGEPIXELSFROMUNKNOWNIMAGEPIXELSCANBEPERFORMEDINPARALLELAFTERTHENORMALIZEDIMAGEISCALCULATED,THERESULTINGPIXELSARESENTTOTHEWEIGHTVECTORCALCULATIONSTEPWEIGHTVECTORCALCULATIONSTEPHEREWEFINDTHEWEIGHTVECTORFORANUNKNOWNIMAGEUSINGEQUATION2INTHISSTEP,THE1，2，59EIGENVECTORSANDNORMALIZEDIMAGEAREUSEDTOCALCULATETHEWEIGHTVECTOROFTHEUNKNOWNINPUTIMAGEATTHISPOINT,THENORMALIZEDIMAGEISCALCULATEDANDSTOREDINAREGISTERTHEREFORE,THECALCULATIONOFEACHOFTHE59WEIGHTVECTORELEMENTSICANBEPARALLELIZEDSINCETHEEIGENVECTORSAREREADFROMTHEBLOCKRAMINDEPENDENTLYOFEACHOTHERTHEEIGENVECTORBUFFERHAS23,60016BITELEMENTSTHE59EIGENVECTORSEACHCONTAIN202040016BITELEMENTSTHENORMALIZEDIMAGEISA2020MATRIXI1T（2）WHEREI1TO59PROJECTIONSTEPTHEEUCLIDEANDISTANCEBETWEENTHEWEIGHTVECTOROFTHEUNKNOWNINPUTIMAGEANDTHEWEIGHTVECTORSOFTHETRAINEDIMAGEARECALCULATEDUSINGANEARESTNEIGHBORSEARCHTHEREARE60WEIGHTVECTORSCORRESPONDINGTOEACHTRAININGIMAGEEACHOFWHICHCONTAINING59VALUESWECALCULATETHEEUCLIDEANDISTANCESD1，D2，D60BETWEENEACHOFTHETRAININGIMAGESANDTHEUNKNOWNIMAGEUSINGTHEWEIGHTVECTORSTHEWEIGHTVECTORSOFTHETRAININGIMAGESARESTOREDINTHEWEIGHTVECTORBUFFERINABLOCKRAMTHESIZEOFTHEWEIGHTVECTORBUFFERIS5960THEEUCLIDEANDISTANCECALCULATIONISPERFORMEDONALL60WEIGHTVECTORSI。THEEUCLIDEANDISTANCECALCULATIONAREINDEPENDENTOPERATIONS,ANDTHEREFORETHESETWOOPERATIONSAREPERFORMEDINPARALLELFOREACH燕山大学本科生毕业设计（论文）56CALCULATIONOFTHEDISTANCEVALUE,WECOMPARETHENEWCALCULATEDDISTANCEVALUEWITHTHEDISTANCEVALUEINTHEDISTANCEBUFFEROLDDISTANCEVALUEIFTHENEWLYCALCULATEDVALUEISSMALLERTHANTHEOLDDISTANCEVALUE,WEOVERWRITETHENEWLYCALCULATEDDISTANCEVALUEANDINDEXTHISPROCESSCONTINUES60TIMESFINALLY,THEINDEXOFSMALLESTVALUEAMONGD1，D2，D60ISRETURNEDFROMTHEDISTANCEBUFFERASTHEINDEXOFTHEPERSONIDENTIFIEDCEXPERIMENTALRESULTSWEPRESENTEXPERIMENTALRESULTSFROMSET1ANDSET2FIGURE3SHOWSTHEPERFORMANCECOMPARISONSBETWEENTHESOFTWAREANDHARDWAREIMPLEMENTATIONSOFTHEFACERECOGNITIONSUBSYSTEMUSING10,20,25,50AND100IMAGESFROMSET1WHENUSING100IMAGES,THEFACERECOGNITIONSUBSYSTEMACHIEVESANAVERAGESPEEDUPOF15XOVERTHEEQUIVALENTSOFTWAREIMPLEMENTATIONTHESOFTWAREEXPERIMENTWASDONEONMULTICOREMACHINEMACHINEWITHCORE2DUOCPURUNNINGAT333GHZWITH4GBRAMFIGURE4AANDBSHOWSTHELATENCYANDTHELATENCYCYCLESRESPECTIVELYFOR40,50AND60FACEIMAGESFROMSET2WITHPIPELINEDANDNONPIPELINEDIMPLEMENTATIONSTHEDEVICEUTILIZATIONSUMMARYWHENUSINGSET2WITHPIPELINEDANDNONPIPELINEDIMPLEMENTATIONSISALSOSHOWNINFIGURE4CINNUMBEROFSLICES,LUTS,RAMSBRAMS,ANDDSP48SIIIIMPLEMENTATIONOFTHECOMPLETEFACERECOGNITIONSYSTEMINTHISSECTION,WEPRESENTTHEDOWNSAMPLINGMODULEUSEDTOCONNECTTHEDETECTIONANDTHERECOGNITIONSUBSYSTEMSTHENWEDESCRIBETHECOMPLETEFACERECOGNITIONSYSTEMWHICHISACOMBINATIONOFALLOFTHESESUBSYSTEMSFIGURE5PROVIDESANOVERVIEWOFTHEARCHITECTUREFORTHECOMPLETEFACERECOGNITIONSYSTEM附录457FIGURE3PERFORMANCECOMPARISONSBETWEENSOFTWAREANDHARDWAREIMPLEMENTATIONSOFTHEFACERECOGNITIONSUBSYSTEMFIGURE5THEARCHITECTUREFORTHECOMPLETEFACERECOGNITIONSYSTEMCONSISTINGOFTHEFACEDETECTIONANDFACERECOGNITIONSUBSYSTEMSTHEDOWNSAMPLINGMODULEISNOTIFIEDWHENAFACEISDETECTEDBYTHEFACEDETECTIONSUBSYSTEMAFTERBEINGNOTIFIED,THEDOWNSAMPLINGMODULEREADSTHEFACEIMAGEDATAUSINGTHECOORDINATES,WIDTHANDHEIGHTGIVENBYTHEFACEDETECTIONSUBSYSTEMACCORDINGTOTHESIZEOFTHEDETECTEDFACEIMAGEDATA,THEDOWNSAMPLINGMODULEREDUCESTHEDETECTEDFACETO2020ANDSENDSTHESE400PIXELVALUESTOTHEFACERECOGNITIONSUBSYSTEMTHEDOWNSAMPLINGMODULERESIZESEACHDETECTEDFACESOTHATTHEYARESUITABLEASINPUTINTOTHEFACE燕山大学本科生毕业设计（论文）58RECOGNITIONSUBSYSTEMWEINTRODUCEAFACTORWHICHISUSEDTOCALCULATEHOWMANYPIXELSWESHOULDSKIPINORDERTODOWNSAMPLEAXXIMAGEINTOA2020IMAGETHEFACTORDEPENDSONTHESIZEOFDETECTEDFACEFORINSTANCE,IFTHESIZEOFTHEDETECTEDFACEIS6060,THENTHEFACTORWOULDBE3WECANFINDTHEFACTORUSINGFACTORDETECTEDFACESIZE/20FINALLY,WHENTHEDETECTEDFACEISAPPROPRIATELYDOWNSAMPLED,THEDOWNSAMPLINGMODULECHECKSIFTHEFACERECOGNITIONSUBSYSTEMISBUSYIFTHEFACERECOGNITIONSUBSYSTEMISAVAILABLE,ITREADS2020IMAGEANDRETURNSTHEINDEXOFAPERSONWHICHBELONGSTOTHEDETECTEDFACEACCORDINGTOTHERETURNEDINDEXOFAPERSON,WEDRAWABOXAROUNDTHEDETECTEDFACEWITHPREDEFINEDCOLOREACHINDIVIDUALSFACEINTHESETISREPRESENTEDBYANINDEXANDEACHINDEXISASSOCIATEDWITHACOLORFIGURE4PARTASHOWSTHELATENCYOFOURFACERECOGNITIONSUBSYSTEMIMPLEMENTATIONRESULTSONANFPGAINMILLISECONDSUSINGBOTHPIPELINEDANDNONPIPELINEDIMPLEMENTATIONSPARTBSHOWSTHELATENCYCYCLESFORPIPELINEDANDNONPIPELINEDIMPLEMENTATIONSPARTCSHOWSTHEDEVICEUTILIZATIONSUMMARYFORTHENUMBEROFSLICES,LUTS,BLOCKRAMSBRAMSANDDSP48SFORBOTHPIPELINEDANDNONPIPELINEDIMPLEMENTATIONSTABLEIDEVICEUTILIZATIONTABLEFORTHECOMPLETESYSTEM附录459THEIMPLEMENTATIONWASSIMULATED/VERIFIEDWITHMODELSIM,ANDTHENIMPLEMENTEDONAVIRTEX5FPGATABLEISHOWSTHEDEVICEUTILIZATIONOFTHECOMPLETEFACERECOGNITIONSYSTEMONAVIRTEX5FPGABOARDACCORDINGTOTHEEXPERIMENTALRESULTS,THECOMPLETEFACERECOGNITIONSYSTEMRUNSAT45FRAMESPERSECONDONVGADATAIVCONCLUSIONTHISPAPERPRESENTEDTHEDESIGNANDIMPLEMENTATIONOFACOMPLETEFPGABASEDREALTIMEFACERECOGNITIONSYSTEMWHICHRUNSAT45FRAMESPERSECONDTHISSYSTEMCONSISTSOFTHREESUBSYSTEMSFACEDETECTION,DOWNSAMPLINGANDFACERECOGNITIONALLOFTHEMODULESAREDESIGNEDANDIMPLEMENTEDONAVIRTEX5FPGAWEPRESENTEDTHEARCHITECTURALINTEGRATIONOFTHEFACEDETECTIONANDFACERECOGNITIONSUBSYSTEMSASACOMPLETESYSTEMONPHYSICALHARDWAREDIFFERENTEXPERIMENTALRESULTSOFTHEFACERECOGNITIONSUBSYSTEMAREPRESENTEDFORPIPELINEDANDNONPIPELINEDIMPLEMENTATIONS燕山大学本科生毕业设计（论文）60设计和实施一个基于FPGA的实时人脸识别系统JANARBEKMATAI,ALIIRTURK和RYANKASTNERDEPT计算机科学与工程部门,加州大学圣地亚哥分校拉乔拉,国航92093,美国摘要人脸识别系统在许多方面起着至关重要的作用，应用包括监控,生物和安全。在这项工作,我们提出了一个完整的实时人脸识别系统，通过FPGA模块实现对一个人脸检测、识别和采样。我们的系统提供了一个端到端的解决方案的人脸识别,它接收的视频输入从一个相机,检测脸的位置使用人脸检测算法,随后确认每张人脸使用脸部特征的算法,并且输出结果显示。实验结果表明,我们完成的人脸识别系统在VIRTEX5FPGA上运行结果是每秒45帧。关键字人脸识别；电子；完整的人脸识别系统；人脸检测；FPGA；实时处理。I介绍人