百度百科對自動化專業做出了這樣的介紹：

該專業是以自動控制理論為主要理論基礎，以電子技術、計算機信息技術、傳感器與檢測技術等為主要技術手段，對各種自動化裝置和系統實施控制，是計算機硬件與軟件結合、機械與電子結合、元件與系統結合、運行與制造結合，集控制科學、計算機技術、電子技術、機械工程為一體的綜合性學科專業。

綜合性學科！是的！

作為自動化專業出身的我，實際接受的本科教育與研究生教育也恰恰驗證了這一點，這是一個大融合、大雜燴的專業。

這樣就容易造成什么了解，而又是什么都不太精通的尷尬局面。

從電子角度來看，數電、模電、電路等基礎的電子技術不必多說，從最基礎的8位51單片機和16位Freescale單片機的學習開始，到工業PLC，再到嵌入式系統級別的電子芯片ARM等等，最后還要接觸純硬件設計的FPGA。為了應用這些電子芯片，就需要學習高級算、高等數學、最優控制等等。

總之一系列學習下來，回想到得意之作，自己心里也在犯嘀咕，所有曾經做過的東西都是入門級別的實驗，哪兒能稱的上“得意”二字。后來仔細想想，也許“得意”對我來說，就是每次接觸新器件、新技術的好奇感和新鮮感，以及利用這些器件完成一個電子作品而產生的自豪感。

猶記得第一次接觸Zynq時，對其擁有“ARM+FPGA”硬件結構的那種驚奇，而后用此完成了一些設計；猶記得第一次使用GPU通過軟件并行的方式完成算法加速。

我的得意之作

? ? ? ?本次帶來的“得意”之作就是利用英偉達首款嵌入式GPU加速套件Jetson Tk1做出作品--人臉跟蹤輪式機器人（小車）的設計。

對于人臉識別，國內目前的研究大多數采用CPU方案。雖然2010年開始，國內一些研究者也開始使用GPU進行人臉識別加速，比如有人采用AMD的GPU進行開發，但開發過程比較復雜，且受限于顯卡的性能，其相對于CPU的人臉識別速度提升有限，且大部分是在PC端實現的，PC端是存在弊端的。

方案選擇也是艱難的

? ? ? ?我們的設計采用嵌入式系統設計，而針對嵌入式系統計算性能有限的現狀，故采用NVIDIA公司最新推出的Jetson TK1嵌入式開發套件，其最大的特點是嵌入一顆NVIDIA Tegra K1的GPU，性能強大直逼桌面端GPU，且其采用NVIDIA CUDA平臺進行開發，充分運用GPU的并行運行的特性，能大大提升算法運算性能。

不僅如此，其還嵌入一顆四核心的ARM Cortex –A15處理器，以及2GB的運行內存，能夠很好運行Linux系統，這樣能充分發揮GPU在嵌入式應用的威力，大大提升人臉識別速度，并可迅速作出響應。

由于此開發套件只是一個小型的開發板，攜帶便利，應用場合更加靈活，故我們在人臉檢測的基礎上做出一個小車，用以時時刻刻對人臉進行跟蹤。本次開發在Linux操作系統的層面完成整個臉部識別的控制過程，設計的主要內容如圖1所示。

圖1 課題主要研究內容框圖

包括：嵌入式軟硬件平臺和外設硬件如攝像頭和輪式機器人的搭建，選用并行性高的算法，通過開源函數庫來完成人臉識別的算法描述，利用CUDA開發工具對GPU進行開發，實現算法的并行運算以提升人臉識別的速度，最終將人臉識別的結果信號反饋給輪式機器人，驅動輪式機器人的移動對人臉進行跟蹤。為了實時查看臉部檢測的結果，本作品還需將攝像頭返回的圖像利用WIFI無線傳輸到電腦上。

人臉識別主要由人臉圖像采集及檢測、人臉圖像特征提取以及匹配與識別這幾部分組成。

首先是人臉檢測，人臉檢測算法的可靠性很大程度上依賴于分類器的設計，本系統的人臉檢測部分嘗試了三種不同方法：

第一種，在OpenCV 中有直接能拿來用的Haar 分類器，該方法對于被遮擋了部分的人臉是基本檢測不出來的，在TK1 上的運行速度大概每秒8 幀左右；

第二種，在OpenCV 2.X 以上擴充的基于LBP 特征的人臉檢測器，與Haar 特征相比，LBP 是整數特征，因此訓練和檢測過程都會比Haar 特征快幾倍。在TK1 上的運行速度能達到每秒20 幀左右，但是檢測準確率LBP 比Haar 效果要差；

第三種，Dlib 庫的人臉檢測算法使用的hog 特征與級聯分類器，Dlib 自帶人臉檢測器準確度非常高，即使受到硬件條件限制，攝像頭拍到比較模糊的畫面，在這種情況下其他一些人臉庫檢測率都非常低，而Dlib的效果卻能出乎意料，美中不足的是，速度比較慢。

人臉特征提取是根據已知人臉數據庫中的人臉表征方法，提取出該人臉圖像的特征值，對人臉特征進行建模，將人臉圖像映射到特征空間的過程。

人臉特征提取的方法很多，可以分為兩大類：一種是基于知識的表征方法，例如：幾何特征、固定特征模板等；另外一種是基于代數特征或統計學習的表征方法，例如：代數特征、特征臉等。

在Linux平臺，可以利用Dlib機器學習庫進行人臉特征提取部分。人臉圖像匹配與識別就是將提取的人臉圖像的特征值與數據庫中存儲的特征模板進行搜索比較，當兩者相似度超過某一閾值，則認為成功匹配，把匹配得到的結果輸出。