近年来,随着半导体技术的不断进步,图像传感器采集到的图像分辨率越来越高,然而受限于镜头的曲率,单镜头采集到的图像视角范围最高仅达220度左右,存在视角盲区。全景相机较传统摄像头的突出优势就在于视角范围全覆盖,但是传统全景相机方案很难应用在视频直播领域。人工智能算法在智能安防设备领域展现出极大的发展潜力,常规方案是将人工智能算法部署在云端服务器之上,通过配置数量可观的摄像头避免产生监控盲区,依托服务器的超强算力实现人工智能应用,成本及功耗都极大。因此针对上述问题,本文设计实现了基于海思视频人工智能处理器Hi3559A的全景人脸检测系统,以较低的时延实现了全景视频直播,同时利用人工智能技术在端侧实现基于卷积神经网络的人脸检测算法。本项目设计了基于海思视频人工智能处理器实现全景人脸检测系统,相较于传统的解决方案,本项目以较低的时延、较低的成本实现了全景视频直播。项目在全景视频的基础上又结合深度学习目标检测技术,通过训练基于深度卷积神经网络的人脸目标检测模型,利用深度学习神经网络加速器实现了在嵌入式全景设备端人脸目标检测模型的移植,最终实现在嵌入式全景设备上实现对全景人脸目标的实时检测。项目中使用H.265编码器进行视频压缩并将压缩后的码流传至PC机上专用播放器进行实时解码播放,最终形成集全景视频采集拼接、全景视频编码推流、人脸检测、全景视频播放等功能在内的完整系统。论文中首先进行了系统方案设计论证,采用海思视频人工智能处理器Hi3559A作为平台,设计样机的硬件电路及全景相机机械结构。利用全景拼接单元进行720度全景视频实时拼接,输出全景图像分辨率达到8K,采用H.265高性能图像编码器,在保证视频质量的前提下尽可能的压缩视频数据降低传输带宽。接着介绍了基于深度卷积神经网络的人脸目标检测模型的设计和训练细节,模型经过压缩剪枝后移植到嵌入式设备。论文的最后,在实验室内局域网条件下搭建测试环境进行测试。测试结果表明该设备实现了视频采集拼接,全景视频的视角范围达到720度,视频画面清晰流畅,分辨率达到了超高清（8K）,视频帧率稳定在25fps,视频码流60MBps,设备端实时检测全景视频中出现的人脸目标,人脸目标检测识别率达到了0.996,坐标准确率达到0.804,利用双核乒乓处理实现等效40ms的识别速度。通过专用播放器软件可以实现视频的直播,观看视角自由切换,同时播放器还显示出人脸目标识别结果。经过多次试验,验证了系统功能的完整性与鲁棒性,全景系统的性能达到了设定目标。