人脸性别识别技术是在人脸识别技术的基础上发展起来的,具有广泛的应用前景,可以应用于信息采集、身份鉴别、电子监控、以及智能服务机器人等方面。本文以Altera公司的Cyclone Ⅱ系列的DE2开发板为硬件平台,使用Quartus Ⅱ和Nios Ⅱ软件,设计和实现了基于现场可编程门阵列(Field Programmable Gate Array, FPGA)的人脸性别识别系统。本文使用Quartus Ⅱ设计和实现人脸性别识别系统的硬件部分,而系统的软件部分是在Nios Ⅱ中编写C程序代码来实现的。本文在人脸性别识别方面具体的主要做了以下几点工作：(1)使用主成分分析的方法对图像进行特征提取和降维,作为分类器的输入向量；(2)设计了BP神经元网络和支持向量机两种分类器进行人脸性别识别,并对比了两类分类器的识别率,对径向基、线性、以及多项式核函数的支持向量机在识别率上进行了比较。实验结果表明,支持向量机分类器的识别率高于BP神经元网络分类器,对于不同性别的人脸图像的识别率,不同的分类器各有优劣；(3)针对单一分类器的识别率提高有限的问题,本文在前人级联SVM分类器的基础上,设计了并联分类器组和混联分类器组分类器,并对设计的并联分类器组、级联分类器组、混联分类器组的识别率进行了实验对比。实验表明：混联分类器组识别率高于级联分类器组识别率,级联分类器组识别率高于并联分类器组识别率；(4)使用FPGA设计和实现了人脸性别识硬件电路别系统。在Quartus Ⅱ的SOPC Builder下,本文设计并建立基于Nios Ⅱ软核处理器的人脸性别识别系统电路,并利用MIT人脸数据库图像和个人采集的人脸图像进行了测试。实验表明,本系统的识别率最高可达到97%以上,单幅图像的平均识别速度低于0.01s。