中文摘要：

目标识别算法是当前嵌入式领域最具应用前景的视觉算法之一，然而设计出既能满足识别算法性能，又能平衡性能与面积、功耗间矛盾的硬件架构仍是未解决的难题。单指令多数据/多指令多数据(SIMD/MIMD)架构因其高能效、低面积、灵活性强的特点而引起关注。然而，识别算法中的高层计算处理的数据结构不规则，包含大量循环中的判断，限制了指令执行的SIMD/MIMD架构充分发挥效率。本项目通过对SIMD/MIMD架构改进和拓展，拟在同一块硬件上分时支持SIMD模式、多SIMD簇模式及可重构模式。主要内容包括利用可重构的可配置性和灵活性最大限度挖掘并行度，提高高层算法的执行效率；设计支持可重构的NoC网络，实现多计算模式间的快速切换，减小多计算模式的引入对架构性能的影响； 研究适应不同层次计算的数据组织方法，从而缓解识别算法对存储带宽的压力；此外，本项目拟搭建目标识别系统评估平台，探索和评估硬件设计方案。