人脸识别是计算机视觉领域的热门话题,在安防、刑侦、智能支付等方面具有很高的价值。神经网络技术的发展使人脸识别算法的精度得到巨大提升,应用场景不断拓展,极大的方便了人们的生活。目前移动端搭载的人脸识别算法依赖GPU实现,价格昂贵,难以广泛应用。因此人脸识别算法的电路设计具有重要的实际意义和广阔的发展前景。本文以软硬件协同的设计为核心,在人脸识别算法及其电路实现两个方面进行了设计和优化,并进行了FPGA验证。算法方面,通过设计Tiny-densenet网络,提高了图像特征的利用效率;通过改进Lsoftmax和三元组损失函数,在不增加额外运算量的情况下提高了算法准确率;提出了一种适合硬件实现的参数提取、融合和浮点数定点化方法。电路方面,设计了可复用的卷积运算加速阵列和相应外部电路,在DC平台使用SMIC 40nm低电压工艺库进行综合,对功耗和最高频率等属性进行优化,充分利用了逻辑资源,提高了神经网络的运算效率。FPGA验证平台采用Miz-702N板卡实现,在卷积运算加速电路的基础上,编写控制代码实现人脸识别算法的前向传播流程和身份判断。实验验证结果表明,本文设计的算法在LFW公开数据集上达到了93.7%的准确率,自然场景下实测效果良好;卷积运算加速电路功耗为71.28mW,面积为1.006mm~2,最高工作频率为200MHz,吞吐率达到25.6 GOPS;FPGA验证平台对分辨率为160*160的彩色人脸图片,识别速度可达5.5FPS。本文对未来面向AI芯片的算法设计和深度神经网络的芯片实现具有一定的参考价值。