多层次并行的可重构视觉处理SoC关键技术研究

本课题将从视觉计算系统的微型化和低功耗应用背景出发，主要开展实时视觉处理算法、视觉处理SoC架构与软硬件协同机制的研究：① 在分层交互、多线索集成和统计学习的视觉计算框架下，研究具有一定物理可实现性的算法模块、具有生物选择性注意机制特性的传感输入数据重组及计算控制流；② 针对多样化视觉计算在特征提取、特征组合与模式生成两个层次，分别以SIMD和VLIW指令数据流特征构造像素级和目标处理级的可重构计算阵列，进而研究多层次、任务级并行的芯片实现架构、片上缓冲和多通道DMA等机制提高计算和传输效率；③ 通过电路级与算法模块的编译、重构和配置研究，寻求适应机器视觉和统计学习应用下的多种视觉信息处理在视觉处理SoC的软硬件协同计算机制。预期研究成果将为目标自动检测与跟踪系统、个性化的图像分析与识别系统等应用提供高性能、微型化的核心芯片实现所需要的关键技术。

针对视觉计算系统的微型化和低功耗应用需求，开展了可重构视觉处理SoC的关键技术研究：通过对人脸检测、目标识别与跟踪等视觉应用系统的实时计算分析，与主动视觉计算框架对应，提出了视觉计算的多层次并行实现的软硬件计算架构与软硬件任务划分方法；构建了像素级PE阵列、DSP级PE阵列以及满足复杂视觉前处理等可重构IP的结构和电路设计，并采用寄存器配置文件实现了重配置数据的高效传输和指令控制；通过多级分层的总线集成方法将各视觉任务功能IP核有效集成为一款视觉处理SoC芯片；实现了面向人脸检测、目标识别和姿态控制等视觉算法的多层次并行处理和动态配置的嵌入式实时计算验证；同时针对某专用领域的视觉系统，验证了该芯片与架构的实时计算有效性和高效能比较分析。 . 项目组在异构多核的视觉处理芯片架构、可重构视觉计算单元、视觉算法与物理芯片的并行计算映射与编译、交互适应与优化探查、大规模视觉计算模型等关键技术方面取得了较好的研究进展：申请国家发明专利4项，发表/录用学术论文9篇，培养硕士5名，在读博士3名（其中1名将毕业）、硕士3名。