近年来，中科院半导体所神经网络实验室从神经计算软硬件结合角度，利用我们提出的仿生模式识别技术，研究探索了一整套数学化表示、关键特征抽提和高维欧氏特征空间拟合逼近的方法，并将此方法成功运用于人脸模式识别领域，取得了一系列优异的研究成果。但是在人脸模式识别过程中，用于拍摄人脸的摄像头的成像质量并不理想。曲于受到背景光照等噪声影响，成像图像常会过亮或过暗，图像对比度下降。　　 这个问题反映在电路上，就是因为在视频成像系统当中，图像传感器输出的模拟信号常常会随着光照强弱而剧烈变化，输出电压可能很小，也可能很大。若电压过小，则后级模数转换时无法充分利高位的转换精度；若电压过大，则超出模数转换器的输入范围。两种情况都造成精度浪费。于是，图像传感器得到的模拟信号在进行模数转化时，常常只能利用到后继模数转换器(ADC)全部量程的一部分，达不到应有的转换位数要求，影响到了后继的模式识别算法处理。　　 在这个情况下，本文提出了一种改进的电荷耦合器件(charge couple device，简称CCD)成像系统。为了改善成像质量，保证后续信号处理的可靠性，该系统在传统CCD相机的基础上，改善了自动增益控制(automatic gain control，简称AGC)电路。自动增益电路的原理，就是根据前级输入信号幅度，动态的来反馈调节输入信号的大小，使得最终输出信号幅度稳定在某一幅度上。这样，通过动态调整模拟信号幅度，能最大程度保留原始信号信息，解决了光照影响的问题，改善了最终成像质量。与通过调整经模数转换后的数字信号的方法相比较，损失小而且速度快。　　 我们共设计了两种新型的大动态增益范围的视频AGC电路，这两种电路都具有集成度高，动态范围大的特点，适用于本论文所涉及的CCD成像系统。　　 最后，我们介绍了USB2.0的接口设计。USB2.0是一种流行的PC外设的高速接口，通过USB2.0接口实现与计算机相连，能满足数据的实时高速传输要求。