在智能化急速发展的今天,人们对各种场合的安全性和便利性提出更高的要求,人脸识别技术因此拥有更加广泛的应用场景。而随着芯片计算能力的不断提升,特别是在移动互联趋势下,各种的嵌入式智能化的设备更加深入人们的生活中。这给基于嵌入式的人脸识别系统的研发带来契机。在此背景下本文设计并实现了一种基于ResNet的人脸识别系统。本文完成了包括人脸采集,建立人脸数据集,网络模型训练在内的多个功能的设计。其中使用了Haar特征加Adaboost分类器作为人脸检测的主要算法。通过视频流的方式采集人脸,并且建立了一个在不同姿态和表情下的10人小型数据集。在人脸匹配模型中设计了一种以Bottleneck跳连结构为核心单元的ResNet神经网络,并配合使用Batch Norm层和Dropout层用于防止模型过拟合。设计了基于I.MX6U的ARM嵌入式平台。从系统功能和实际需求的角度出发,对系统的软件和硬件两个部分进行了详细设计。硬件设计中包括对系统整体的硬件结构进行设计。本系统选用I.MX6U作为中央处理器芯片,使用高精度CMOS的OV5640摄像头采集图像。在软件设计方面,分别对上位机和下位机完成了Open CV库和Tensor Flow架构进行配置,并使用Qt库编译人机交互操作界面,最终形成了一个上位机仿真训练,下位机运行的合理有效的系统开发环境。在自建的人脸数据集的基础上,对系统进行了整体的调试和结果分析。测试结果表明,系统在识别速度和识别的准确性上都取得了较好的结果,实现了设计的要求,具有一定的实际应用意义。