基于LS1046A的边缘计算之人脸识别方案

随着越来越多的智能设备出现,从数据的获取到数据的处理到深度学习,必须要在信息当中进行挖掘。信息爆炸,设备不堪重负,边缘计算应运而生。而未来数据的产生速度会逐步超过存储能力。在未来的5-10年,边缘计算比数据中心的统一计算更为重要。

  边缘计算将改变物联网(IoT),就像云计算改变企业IT一样。我们创建安全、高度可编程和灵活的计算系统来增强人工智能(AI)和机器学习(ML),有助于开创本地AI的时代,而边缘节点不仅智能,且训练有素,知晓它们的环境和状况,使其能够脱机或采用有限的云连接。

  提供硬件安全边缘计算,提供基本技术,支持低功耗、低延迟、高吞吐量的解决方案,以实现更高的效率、便利性、隐私性和安全性。

  核心技术优势

  1. 边缘计算方案可提供高达10Gbps的高性能网络功能、企业安全性和广泛的连接接口。基于Docker构建网络应用,利用 LS1043A或LS1046A处理器中的数据包加速器,可将cpu利用率降至5%以下。

  2. QorIQ LS1046A处理器将四个64位ARm? Cortex-A72内核与数据包处理加速和高速外设相集成。此处理器具有超过32,000 CoreMarks?的令人印象深刻的性能,可与10 Gb以太网、第三代PCIe、SATA 3.0、USb 3.0和QSPI接口配对。

  3. 完整的深度学习端到端解决方案:基于tensorflow,在AWS云端训练,边缘端推理;实现硬件加密及密钥存储,可通过云端进行安全认证&OTA升级。

  4. 基于FaceNet进行人脸识别,准确度高,速度快。

  处理器

  4个32/64位ARM(R) Cortex(R)V8 A72 CPU,高达1.6 GHz内核速度

  存储器

  支持8 GB DDR4 Sdram存储器

  支持双位错误检测和单位纠错的ECC(64位数据的8位检查字)

  支持高达2100 MT/s的数据传输速率

  提供一个288引脚的DDR4 DIMM连接器

  DIMM连接器支持无缓冲的X72 8 GB双排

  SDHC端口与适配器卡槽直接连接,配备4 GB eMMC存储器器件

  1个512 MB SLC NAND闪存,带ECC支持(1.8 V)

  cpld连接:CPLD中8位寄存器可配置复用器/解复用器选择

  支持两个64 MB板载QSPI NOR Flash存储器

  USB

  两个USB 3.0控制器,带有集成PHY

  1个USB1 3.0端口可连接到A型主设备连接器

  1个USB1 3.0端口可配置为带MIcro-AB接头的OTG

  1个USB2.0可连接miniPCIe接口

  以太网

  支持通道2和通道3的SGMII 1G PHY

  支持带XFI重定时器的SFP+模块

  支持AQR106/107 10G PHY与XFI/2.5G SGMII

  PCI Express和SATA

  PCIe express x1 (Gen1/2/3)迷你卡

  PCIe x1 (Gen1/2/3)标准卡

  PCIe x1 (Gen1/2/3)标准卡

  1个SATA 3.0连接器

FM-LS1046A工控主板基于 NXP公司的LS1046A高性能64位ARM四核处理器。LS1046A处理器将四个64位ARM Cortex-A72内核与数据包处理加速和高速外设相集成。此处理器具有超过32,000 CoreMarks?的令人印象深刻的性能,可与10 Gb以太网、第三代PCIe、SATA 3.0、USB 3.0和QSPI接口配对,是一系列企业和服务提供商联网、存储、安全和工业应用的完美产品组合。

原文地址:https://blog.51cto.com/14227925/2405873

时间: 2024-10-07 10:53:06

基于LS1046A的边缘计算之人脸识别方案的相关文章

C#实现基于ffmpeg加虹软Arcface的人脸识别demo

对开发库的C#封装,屏蔽使用细节,可以快速安全的调用人脸识别相关API.具体见github地址.新增对.NET Core的支持,在Linux(Ubuntu下)测试通过.具体的使用例子和Demo详解,参见博客地址. 更新: 增加对V1.1两个新功能的支持. 关于人脸识别 目前的人脸识别已经相对成熟,有各种收费免费的商业方案和开源方案,其中OpenCV很早就支持了人脸识别,在我选择人脸识别开发库时,也横向对比了三种库,包括在线识别的百度.开源的OpenCV和商业库虹软(中小型规模免费). 百度的人脸

基于百度AI开放平台的人脸识别及语音合成

基于百度AI的人脸识别及语音合成课题 课题需求 (1)人脸识别 在Web界面上传人的照片,后台使用Java技术接收图片,然后对图片进行解码,调用云平台接口识别人脸特征,接收平台返回的人员年龄.性别.颜值等信息,将信息返回到Web界面进行显示. (2)人脸比对 在Web界面上传两张人的照片,后台使用Java技术接收图片,然后对图片进行解码,调用云平台接口比对照片信息,返回相似度. (3)语音识别 在Web页面上传语音文件,判断语音文件格式,如果不是wav格式进行转码处理,然后调用平台接口进行识别,

人脸识别必读的N篇文章

一,人脸检测/跟踪 人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小:对于跟踪而言,还需要确定帧间不同人脸间的对应关系. 1, Robust Real-time Object Detection. Paul Viola, Michael Jones. IJCV 2004. 入选理由: Viola的人脸检测工作使得人脸检测真正变得实时可用.他们发表了一系列文章,这篇是引用率最高的一篇. 2, Fast rotation invariant multi-view face detec

一文读懂人脸识别技术

近日,人脸识别技术因多次在抓逃犯的过程中"立功",再度走"红".从20世纪60年代起,人脸识别研究开启,发展到今天有哪些进展?该产业里的竞争,是人工智能投资泡沫带来的浮躁,还是市场规模将持续突进? 何谓人脸识别技术? 20世纪60年代,人脸识别工程化应用研究正式开启.初期的方法主要利用了人脸的几何结构,通过分析人脸器官特征点及其之间的拓扑关系进行辨识.这种方法简单直观,但是一旦人脸姿态.表情发生变化,则精度严重下降. 如今的解决方案多是基于主动近红外图像的多光源人脸

实验报告: 人脸识别方法回顾与实验分析 【OpenCV测试方法源码】

趁着还未工作,先把过去做的东西整理下出来~   Github源码:https://github.com/Blz-Galaxy/OpenCV-Face-Recognition (涉及个人隐私,源码不包含测试样本,请谅解~) 对实验结果更感兴趣的朋友请直接看 第5章 [摘要]这是一篇关于人脸识别方法的实验报告.报告首先回顾了人脸识别研究的发展历程及基本分类:随后对人脸识别技术方法发展过程中一些经典的流行的方法进行了详细的阐述:最后作者通过设计实验对比了三种方法的识别效果并总结了人脸识别所面临的困难与

最新人脸识别技术方案

这两年,随着科技的迅速发展,人脸识别已经逐渐成为了新时期生物识别技术应用的重要领域,忘记密码了?没事儿,咱还可以"刷脸"!今天,小编将带大家了解一下最新的人脸识别技术,看看这项技术发展到哪一步了. 传统的人脸识别技术主要是基于可见光图像的人脸识别,人们也比较熟悉这样的识别方式.不过,这种方式的缺点其实非常明显,光线的限制性非常大,并不能满足实际的需要.解决光照问题的方案有三维图像人脸识别,和热成像人脸识别.但这两种技术还远不成熟,识别效果不尽人意. 迅速发展起来的一种解决方案是基于主动

[边缘计算]挑战与愿景

本博客内容来源于施巍松教授2016年发表在IEEE INTERNET OF THINGS JOURNAL上的综述文章,主要是总结论文的主要内容. 一.引言 云计算是近十几年来应用最为广泛的计算服务提供方式,目前科技公司主流的SaaS软件即服务的商业模式都是云计算的广泛应用.随着物联网的发展,越来越多的设备接入网络协同工作,一些物联网应用可能需要非常短的响应时间,一些可能涉及私人数据,一些可能产生大量数据,这可能是网络的沉重负荷.云计算在这种应用场景下仿佛不太适合了.下面就来通过 第二部分 讨论边

paper 50 :人脸识别简史与近期进展

自动人脸识别的经典流程分为三个步骤:人脸检测.面部特征点定位(又称Face Alignment人脸对齐).特征提取与分类器设计.一般而言,狭义的人脸识别指的是"特征提取+分类器"两部分的算法研究. 在深度学习出现以前,人脸识别方法一般分为高维人工特征提取(例如:LBP, Gabor等)和降维两个步骤,代表性的降维方法有PCA, LDA等子空间学习方法和LPP等流行学习方法.在深度学习方法流行之后,代表性方法为从原始的图像空间直接学习判别性的人脸表示. 一般而言,人脸识别的研究历史可以分

边缘计算的解决方案大集合

自今年2月的巴塞罗那世界移动通信大会召开以来,边缘计算无疑是C位出道,爆发释放在人们的视野中,成为今年业界最热门的领域之一.顺着5G的东风,边缘计算的诞生成为历史必然,整个行业都在进行战略布局,全球最强的两大开源社区OpenStack和Linux也陆续推出了边缘计算解决方案.今天这篇主要为大家详解OpenStack和Linux社区开源的几个和边缘数据中心以及边缘服务提供商相关的边缘计算解决方案. 这些方案离边缘设备较远,但是也是整个边缘体系中不可或缺的后台方案,主要是Linux基金会下的Akra