随着科技的不断进步,人脸识别技术已经成为了现代社会发展中不可或缺的重要组成部分。人脸识别技术以其特有的诸如采集数据方便,不变性以及无接触性广泛受到好评,越来越多的公司和机构选择使用人脸识别技术。由于学校实验室门禁系统采用的仍是指纹识别技术,因此本文决定采用人脸识别技术设计学校的实验室门禁。本文人脸识别系统的设计分为人脸特征提取及分类识别两方面,特征提取模块选择使用PCA算法,分类识别模块选择使用BP神经网络算法。本文阐述了 PCA与BP两个算法的基本原理和不足,针对PCA算法在矩阵分解时需要消耗大量的时间,对矩阵分解方法进行了改进,该方法可以有效的减少矩阵分解的时间。通过大量实验表明,改进的PCA算法结合BP神经网络算法在人脸识别时拥有较好的识别率。FPGA具有并行处理数据的能力,开发成本小且可重构。因此本文使用FPGA对人脸识别系统进行加速,硬件设计部分主要包括人脸数据存储模块、PCA降维模块和BP神经网络分类模块。PCA人脸降维模块中,通过对人脸数据与平均值的减法运算得到对应数据,再通过与存储模块中读取的数据做定点乘法运算得到分类识别所需的投影系数,完成PCA模块后进入BP神经网络分类模块,将投影系数与权重做全连接运算,最终分类输出结果。本文选用的开发板是DE2-115,并在软件Quartus Ⅱ上对人脸识别系统进行编译和综合。最终在开发板上验证输出结果与功能仿真结果一致,人脸识别系统在硬件上的运行速度达到了 10ms左右,优于软件运行速度,因此证明本次设计正确且完成实时性的要求。