儿童陪伴机器人的表情识别与情感交互的端侧推理引擎优化设计.docxVIP

PAGE2

儿童陪伴机器人的表情识别与情感交互的端侧推理引擎优化设计

摘要

随着智能硬件与边缘计算的深度融合，儿童陪伴机器人对实时、隐私安全的情感交互需求日益凸显。传统云端推理存在延迟高、隐私泄露风险等痛点，端侧部署成为关键解法。本课题旨在设计并实现面向全志T507平台的端侧表情识别推理引擎，以ResNet18为核心模型，依托NCNN框架进行落地与优化。

核心方案聚焦于内存复用与算子融合两大优化策略，突破边缘设备算力与内存带宽瓶颈。全文遵循工程递进思路展开：首先分析儿童陪伴场景的痛点与需求，明确7类表情识别及帧率指标；其次论证NCNN与T507的技术选型，构建分层系统架构；接着深入阐述内存生命周期分析与Conv-BN-ReLU算子融合的详细设计；随后展示引擎实现过程与优化代码逻辑；最后通过系统测试验证优化效果。

本设计的核心创新点在于针对T507的ARMCortex-A53架构特性，定制化实现了NCNN推理引擎的内存池跨层共享与算子级联重构。测试结果表明，优化后的引擎在7类表情识别任务中帧率稳定达到22.5fps，内存峰值降幅达34%，有效满足了儿童陪伴机器人低延迟、低功耗的情感交互需求。

第一章绪论

1.1研究背景

近年来，儿童陪伴机器人在家庭教育与情感慰藉场景中的渗透率显著提升。根据智能硬件市场报告，具备交互能力的陪伴设备年复合增长率超过25%。然而，当前市面产品多