Yakın zamanda Homsh'un Ar-Ge ekibi, MD31 binoküler yakalama modülünün, RK3588 uç bilişim platformunun ve AXU9EGB FPGA hızlandırıcı kartının üç katmanlı kademeli entegrasyonunu tamamladı ve aşamalı bir teknik rapor yayınladı. Kamera tarafından 640x480 gri tonlamalı bir göz görüntüsünün yakalanmasından kalite değerlendirmesi, iris lokalizasyonu, özellik çıkarımı, 1:N eşleştirme ve tanıma sonuçlarının tekrar ekranda görüntülenmesine kadar tüm bu işlem hattı artık üç donanım kartı üzerinden tam olarak çalışıyor.
Homsh için bu, başka bir başarılı entegrasyon testinden daha fazlasıdır. Bu, daha önce Windows endüstriyel PC'lerde çalışan iris tanıma yeteneklerini daha düşük güç tüketimi, daha esnek form faktörleri ve çeşitli terminal cihazlarına gömülme yeteneği olan bir uç mimariye taşıdığımız anlamına gelir.
Sistemin tamamı kademeli bir mimariyi benimser: MD31 kamera ile yakalama ve kırpma, RK3588 ile erişim ve iletim, AXU9EGB FPGA ile çıkarım ve RK3588 ile görsel geri bildirim. MD31, hem sol hem de sağ gözler için kırpılmış tek göz görüntüleri üretir; RK3588, binoküler eşleştirme, görev yönetimi ve ağ aktarımından sorumlu olan Android ARM64 üzerinde çalışır; FPGA, kalite geçidini ve tüm iris algoritmalarını yönetir ve sonuçları görüntülenmek üzere RK3588'e geri gönderir.
Bu işbölümü daha derin bir anlam taşır: kamera yakalama ve FPGA çıkarımı tamamen ayrıştırılmıştır ve birleşik bir protokol semantik katmanıyla birbirine bağlanmıştır. Her bir sol ve sağ göz görüntüsü seti, bir işlem kimliğiyle ve kesin olarak artan bir sıra numarasıyla ilişkilendirilir; böylece önizleme kareleri, yeniden deneme kareleri ve önceki görevlerden kareler arasında karışıklık olmaması sağlanır. Sonuç olarak, hem eski Windows çözümümüz hem de yeni RK3588 çözümümüz, iki nesil ana bilgisayar sistemini destekleyen bir dizi yerleşik hizmetle aynı FPGA protokolleri ve çıkarım sonucu tanımlarını paylaşıyor.
Üç katmanlı kademenin genel veri akışı
FPGA, kalite durumunu, aday kimliklerini, benzerlik puanlarını, mesafeleri, eşikleri ve aşama sürelerini bir arada döndürerek tüm tanıma sürecini kullanıcılar için tamamen görünür hale getirir.
Boru hattının en ağır kısmı AXU9EGB'de yatıyor. Zynq UltraScale+ MPSoC FPGA kartını temel alan ve Vitis AI 3.0 ve DPU donanım hızlandırma ile etkinleştirilen bu cihaz, yedi adımlı çıkarım hattının tamamını üstlenir: giriş doğrulama, altı parametreli dairesel model aracılığıyla gözbebeği ve iris lokalizasyonu, kalite geçitleme, Daugman kutupsal koordinat açma, IResNet100 derin ağı tarafından 512 boyutlu iris özelliği oluşturma, L2 normalleştirmesinden sonra 1:N eşleştirme ve son olarak sonuçları döndürmeye kadar. aşama başına gecikmeyle birlikte.
Yüz katmanlı derin bir ağın FPGA'deki özellikleri istikrarlı bir şekilde çıkarmasını sağlamak, model niceleme, kalibrasyon veri kümeleri ve gerçek kamera görüntü dağıtımları arasındaki sıkı hizalamaya ve ayrıca dairesel model için özel bir sıfır kopya hızlandırma arka ucuna dayanır. Homsh'un 15 yıldır yaptığı da tam olarak bu: tanımanın cihaza mümkün olduğu kadar yakın olması için algoritmaları donanıma yerleştirmek.
FPGA'da yedi adımlı yerleşik çıkarım hattı
Kalite kontrollerini geçemeyen görüntüler üçüncü adımda reddedilerek gereksiz özellik hesaplaması önlenir. 512 boyutlu iris özellik vektörü — 7 adımlı yerleşik çıkarım hattı — 326 kümülatif testten geçildi
Kullanım mantığı açısından sistem "katı kayıt, esnek tanıma" ilkesine bağlı kalmaktadır. Kayıt sırasında kullanıcının hem sol hem de sağ göz şablonlarının kalite kapısından geçmesi ve başarıyla kaydedilmesi gerekir; başarısız çerçeveler, yinelenen göz tarafları ve bilinmeyen göz tarafları kayıt sayımına dahil edilmez. Tanıma sırasında, bunun tersine, sol ve sağ gözler ayrı ayrı çıkarılır ve şablon kitaplığındaki sol ve sağ göz şablonlarıyla sırasıyla 1:N eşleştirilir. Herhangi bir sorgu göz görüntüsünün herhangi bir şablonla eşleşmesi bir sonuç döndürür; kullanıcıların sistem için her iki gözü de konumlandırmasına gerek yoktur; Hangi göz yakalanırsa o işlenir.
Kalite hataları, geçici uyumsuzluklar veya kurtarılabilir iletişim hataları, görevi aniden sonlandırmaz. Sistem görev durumunu korur ve sonraki görüntü grubunu beklemeye devam eder; Bağlantı kurtarıldıktan sonra, FPGA tarafından halihazırda alınmış olan çerçeveleri yeniden göndermeden, işlem kimliğinden ve onaylanan sıra numaralarından devam eder. Her tanıma adımı (kalite, benzerlik, mesafe, eşik, gecikme) arayüze geri gönderilerek başarı, başarısızlık ve yeniden denemelerin kullanıcılara görünür hale getirilmesi sağlanır.
Kayıt için eksiksiz dürbün şablonları gerekirken, tanınma için yalnızca iki gözden eşleşmesi, güvenliğin ve kullanıcı deneyiminin dengelenmesi gerekir.
Bu aşamalı raporda en çok gurur duyduğumuz şey aslında metodolojisidir. Her doğrulama sonucu açıkça dört türe ayrılmıştır: Tekrarlanabilir test sonuçları için "Doğrulanmış", önceki entegrasyon kayıtlarından "Geçmişsel Olarak Doğrulanmış", uygulama mantığından türetilen "Çıkartılmış" ve geçici olarak onaylanmayan öğeler için dürüst bir şekilde "Doğrulanacak" olarak işaretlenmiştir. Windows tabanındaki 176 otomatik testin tümü geçti, 150 yerleşik Python testi geçti ve kayıt/tanıma ve bağlantı kurtarma işlevleri entegrasyonu tamamladı; bunların tümü raporda belgelenmiştir. Henüz sahada yeniden test edilmemiş ürünler de hiçbir belirsizlik olmadan, siyah beyaz olarak açıkça "Doğrulanacak" olarak işaretlenmiştir.
İrisin tanınması kimlik işidir ve "muhtemelen iyi"ye yer bırakmaz. Belirsizlikleri kağıt üzerinde belgelemek müşterilerimize ve kendimize olan bağlılığımızdır.
Üç önemli rakam: DPU hızlandırması yoluyla oluşturulan 512 boyutlu özellikler; 176 otomatik Windows temel testinin tamamı geçti; 150 yerleşik Python test kaydı geçti.
Raporun genel yargısı, mevcut çözümün, açık mimari sınırlar ve teknik olarak uygulanabilir genel kademeli mimariyle aşamalı gösterim, entegrasyon ve belgelemenin temelini oluşturduğu yönünde. Sonraki öncelikler de aynı derecede açıktır: uçtan uca kararlılık, gerçek zamanlı görüntü kalitesi, kutupsal koordinat açma tutarlılığı ve uzun vadeli operasyon için kapalı döngü durum izleme, boru hattını "işlevsel" durumdan "kararlı ve güvenilir" duruma ve ardından üretime hazır ürünlere taşıma.
Homsh, kendi geliştirdiği iris tanıma çiplerinden algoritmalar ve FPGA'ler arasındaki yazılım-donanım sinerjisine, günümüzün uç cihazlara gömülü tam tanıma hattına kadar her zaman biyometrinin geleceğinin sınırda olduğuna inanmıştır. Bu aşamalı rapor, bu geleceğe doğru atılmış bir başka adımdır.
