随着社会信息化进程的加快以及人工智能的迅速普及,人脸识别技术因为具有直接性、友好性、便利性以及非侵犯性,广泛地被使用在视频监控、身份识别以及人机交互等重要领域。随着图像分辨率的越来越高,人们对人脸识别的速度提出了新要求。广义的人脸识别包括了人脸检测和人脸识别两个部分,本文研究并设计了利用OpenCL对人脸检测和识别过程进行并行加速的方法。本文通过研究积分图的计算方法,分析出其在计算过程中行与行、列与列之间的并行性,设计了先在列方向使用并行前缀和算法,每个OpenCL的工作项用向量结构先计算部分前缀和,再计算整个列方向的前缀和。列方向的前缀和计算完成后再以同样的方法计算行方向的前缀和。改进后的并行方法相较于在CPU上实现达到了接近12倍左右的加速比。将积分图改成并行计算后,针对人脸检测的过程中,同一尺度下不同位置之间的扫描窗口在检测人脸时互不相关,以及各个弱分类器之间互不干涉,设计了并行人脸检测的方法。针对检测过程中需要频繁访问分类器数据,采用访问较快的常量内存来存储分类器数据。整个检测过程的加速达到12倍以上。文中通过研究单边Jacobi旋转变换求解实对称矩阵特征值、特征向量的方法,根据每次变换只影响矩阵其中的两列,结合指环序列,设计了并行单边Jacobi旋转变换求解特征值、特征向量的方法。在求解Jacobi矩阵过程中始终保证索引列队中前一个列自身的内积大于后一列的,使得最终特征值按降序排列,方便PCA降维时主元的选取,并行加速能够达到6倍以上。然后研究了基于PCA的人脸识别过程,就是一系列的矩阵运算,包括矩阵的转置和乘法。本文在求其协方差矩阵时,并没有先求矩阵的转置,而是直接利用矩阵的列乘以列并行计算得到协方差矩阵。人脸识别中训练和识别阶段相较于在CPU上实现,分别到达了22倍和5倍的加速比。本文最后综合上述的并行方法,设计了一个人脸识别的软件系统。