人脸检测识别技术在机器学习领域一直都是研究的热门方向,近年来,随着人工智能产业的兴起,人脸检测识别技术更是获得了社会的广泛关注。人脸检测识别系统的检测识别率和运行速度直接影响用户的体验,因此实现快速精确的人脸检测识别系统具有十分重要的意义。本文主要对AdaBoost人脸检测算法和SVM人脸识别算法进行优化设计,并通过FPGA硬件平台实现人脸检测识别系统。首先本文在对人脸检测算法的优化设计中,采用图像缩放代替了传统的放大检测窗的方法检测人脸,同时采用固定窗扫描方案,提高了检测速度;采用了粗检与精检相结合的检测方法,在全图中粗略检测人脸后,再对粗检人脸框周围的8个检测窗进行精确检测,确定是否检测到人脸,降低了误检率。其次在对人脸识别算法的优化设计中,采用双线性插值的方法规范输入人脸的尺寸;采用投票机制对所有类别进行分类;采用动态排序策略,减少了人脸识别的计算量,提高了识别速度。最后采用ORL人脸库对人脸识别系统进行了训练及测试。本文基于Opal Kelly公司的XEM6310-LX150开发板实现了对AdaBoost和SVM人脸检测识别算法的硬件电路优化设计以及系统验证。实验结果表明,在100MHz的FPGA系统工作频率下,人脸检测识别算法占用Xilinx Sparten-6系列XC6SLX150型FPGA上Slice资源4377个(19%)和片上RAM资源3569Kb(74%)。本文设计的人脸检测识别系统对1280?720的单人脸图像检测率为98%,识别率为96%,检测识别速度为14.6帧/秒,随着视频或者图像中人脸数目的增多,系统检测率和识别率会有所下降,但均保持在90%以上,检测识别速度也略有下降,但始终稳定在14帧/秒左右。