14、基于面部生物识别的安全卷积层硬件协处理器在CNN中的应用

基于面部生物识别的安全卷积层硬件协处理器在CNN中的应用

1. 方法概述

设计的安全可复用CNN卷积层硬件IP核，嵌入了IP供应商的面部生物特征，能够实现准确的特征/曲线检测。它并行使用三个内核（例如N = 3）对输入图像（像素矩阵）进行卷积操作。每个内核在单次执行中能够同时计算输出特征图对应的两个输出像素。因此，该安全卷积层IP核设计能够在CNN卷积层的卷积过程中实现安全加速的硬件计算。
为了展示卷积层IP核设计架构的流程，将整个CNN工作机制分为以下几个阶段进行讨论：卷积层阶段、池化层阶段和全连接层阶段。

1.1 卷积层阶段

• 输入图像与内核选择 ：选择一个样本输入图像（需要检测其特征），使用滤波器内核[Y 1]、[Y 2]和[Y 3]进行卷积操作。样本图像的感受野可视化用黄色边界突出显示，感受野是图像中应用内核进行特征提取的子区域。例如，一个带有感受区域的样本输入图像表示为像素矩阵（部分），大小为“86 × 124”。在样本图像的像素矩阵中，感受野/子区域用青色和棕色标记，对应于两个输出像素的并行计算。同时，定义了三个大小为“3 × 3”的二维卷积内核（[Y 1]、[Y 2]和[Y 3]）的权重，这些权重的定义方式使其类似于曲线/边缘特征。
• 卷积过程 ：使用包含面部生物特征安全RTL数据路径的安全卷积层IP核进行卷积过程。内核从样本图像中检测特征，这些特征通常根据像素的方向及其权重值而定。在输出像素矩阵（特征图）中，类似于曲线的像素是非零或较高的像素值。如果输入图像部分或完全不类似于滤波器内核对应的对象/曲线，则输出像素值较小（在二进制图像的情况下为