身份识别在信息化终端应用领域发挥着重要的作用。其中人脸识别技术是一种安全且高效的非接触式身份识别方法,被广泛应用于金融、安防等领域。但是由于人脸特征的复杂性和多样性,导致传统的人脸识别算法难以在复杂多变的环境中取得稳定准确的识别效果。基于深度学习的人脸识别算法能够有效的进行人脸特征提取,并且可以通过数据集的扩展和图像的预处理适应不同环境下的人脸图像。基于卷积神经网络的深度学习方法只能提供局部感受野而缺乏对人脸全局特征的表达,限制了其识别精度,具有全局感受野的vision transformer（ViT）方法可有效解决这一问题,但是其参数量过大且需要大量数据进行训练,难以部署在资源受限的边缘侧设备上。鉴于此,本文重点研究人脸识别ViT神经网络模型及其低功耗硬件加速器。本文在对比研究卷积神经网络（CNN）和ViT网络的基础上,建立了全局特征提取和局部特征提取相结合的改进ViT人脸识别模型。通过局部特征提取单元,实现了人脸特征的降维与参数量的缩减;通过全局特征提取单元,实现了对图像中每个像素点的关联性提取,避免了图像分块时造成的关键特征分割。搭建深度可分离卷积和ViT人脸识别网络进行对比实验,得到改进ViT网络能够在LFW数据集上取得98.71%的准确率,YTF数据集取得96.33%的准确率,改进后ViT网络的训练难度降低。利用消融实验,证实了局部特征提取单元和全局特征提取单元的有效性。本文根据改进的ViT网络结构设计其硬件加速器。整体硬件架构基于网络结构可配置和计算单元可重用的策略设计。对其中的关键算子单元提出计算并行的实现方案,并完成了AXI高速接口和内部存储结构的设计。而后,使用Modelsim搭建了时序仿真平台,完成了对各个功能模块仿真验证。在此基础上,将加速器部署到FPGA平台进行系统原型验证,结果表明量化后的int8网络可达到97.37%的人脸识别准确率,当加速器工作频率为100MHz时,功耗为4.293W,运算操作数为97.2GOPS,能效比是NVIDIA GTX1080TI GPU平台的4.24倍。最后,基于smic的0.13μm工艺库,使用Design Compiler对硬件加速器进行了综合,通过采用门控时钟对加速器进行低功耗设计优化,使得功耗降低为之前的54.5%。本文对基于ViT模型的人脸识别算法以及ViT低功耗硬件加速器设计、原型验证和综合方面的工作,为ViT模型在边缘侧硬件部署打下了基础。