几十年来,计算机视觉、机器学习领域取得了重大进步,从基于规则的学习方法逐渐转变为基于统计学习的方法。另外,随着计算机硬件技术的不断提升和成本的不断降低,越来越多的场合提出了对人脸识别的实际应用需求。例如,门禁系统、各种移动终端的应用、智能监控等。本文深入研究了人脸识别相关技术及其嵌入式应用,主要包括系统的算法设计、算法优化、针对特定平台优化等方面。具体工作的描述如下：1.本文深入研究了Viola-Jones人脸检测的各个关键步骤,包括基于Haar特征的弱分类器、基于AdaBoost算法构造的强分类器和级联结构,并提出了细致的优化策略。实验结果表明,这些优化策略,不仅能有效地提升算法的执行效率,而且能够小幅度的提高检测率。2.本文设计了一种人眼检测框架。该框架把人眼检测分为粗定位和细定位两个步骤。粗定位可以使用Viola-Jones人眼检测子。细定位可以采用Viola-Jones人眼验证子或mean shift方法,两种方法各有优劣,分别适用于不同的场合。3.本文在深入研究仿射变换的基础上,提出了一种基于相对位置的人脸归一化算法,该算法充分利用了相邻像素间的相关性,使人脸归一化的执行效率得到了极大的提升。4.本文针对已有的Gabor方向直方图(GOH)的人脸比对算法进行优化,并创造性的把FFTW应用于该算法的实现过程中。实验结果表明,FFTW的引入,使人脸比对的执行时间减少至原来的18%。5.针对嵌入式平台,本文将人脸识别系统的C++语言实现修改为C语言,同时将浮点运算优化至定点运算。另外,针对Android系统,本文使用Android NDK,完成了基于Android平台的人脸识别应用。