人脸识别是计算机视觉领域的重要分支和研究方向,在智能家居、身份认证等领域有着非常广泛的应用,基于机器学习的人脸识别算法也越来越受到学术界的重视。本文的主要工作是人脸识别技术的研究,重点是子模式GLHist-LP人脸识别算法的研究,以及该算法在以ARM为核心的嵌入式平台上的实现、测试与分析。在研究分析了现有人脸识别相关技术基础上,提出了子模式GLHist-LP人脸识别算法网络结构,与现有识别算法相比,该结构降低了人脸特征的维数,可以加快人脸识别算法的执行速度,提高人脸识别准确率与效率;主特征提取的主要工作是通过面部局部区域划分形成子模式,对得到的四种子模式图像利用改进的Gabor滤波器进行卷积处理,进而得到Gabor特征图,并对特征图集合进行二值模式直方图降维,提取到256维的LGBP直方图信息,将其结果应用于子模式GLHist-LP人脸识别算法中,降低了识别算法的运算量;辅特征提取的主要工作是利用LBP特征对全局图像的纹理敏感性和旋转不变性实现特征提取,对得到的特征向量再通过2D-PCA线性映射算法完成降维操作,得到维数为82的辅特征,针对主特征缺乏面部整体结构信息的问题实现了完善和强化,提高了识别算法的精度;对主特征和辅特征进行数据归一化融合,融合后的特征总维数为338,从而得到人脸识别的关键特征信息;通过迭代的方式将不同的Adaboost弱分类器训练成高精度和高泛化性的识别模型;在嵌入式平台上进行算法实现,完成了主特征提取、辅特征提取、特征融合和分类器训练等工作,实现了人脸识别功能。该子模式GLHist-LP人脸识别算法基于嵌入式平台的实现程序测试结果表明,程序运行流畅,模型工作正常,人脸识别正确率为94.46%,人脸识别时间在1s以内,达到了预想目标,具有实际应用价值。