近几年来,人脸识别技术广泛应用于人们生活的各个领域,是一种极为有效的生物识别技术。由于人脸识别算法计算复杂度非常高,而且对存储空间的要求较大,因此人脸识别在嵌入式系统中的广泛应用一直难以实现。但是随着嵌入式系统硬件性能的提高,人脸识别在嵌入式系统中的应用也有了飞快发展。本文针对嵌入式系统的特殊应用环境,对人脸识别算法进行了改进。本文首先对基于AdaBoost算法的快速人脸检测方法进行了改进,在AdaBoost级联分类器结构中引入加权判决函数,对其中相互独立的级联分类器进行信息融合,不增加级联强分类器的个数,提高检测率和检测速度。当样本被当前级AdaBoost分类器判为假后,再使用该级的加权判别函数对其进行判决。如果加权判别函数判决为真,则仍然使样本输入到下一级的分类器中,反之,则拒绝该样本。最后采用扩展的Haar-Like特征在MIT+CMU人脸库上进行了实验,取得了较好的效果。其次,是对单训练样本人脸识别模型的优化。单训练样本人脸识别问题,每个人都只有一幅人脸样本图像,因为没有充分具有代表性数量的训练样本,一些常用方法识别率将明显下降,有的甚至不适用。针对这一问题,在单样本人脸识别中,本文一方面引进一些几何变换增加虚拟样本数量;另一方面使用二维主成分分析,抽取更利于分类的特征,大大提高了单训练样本人脸识别问题的识别率。该方法较适合嵌入式应用环境下的小类别识别。最后本文针对嵌入式系统的特点,对改进的算法进行了进一步的优化。设计了一个基于S3C2440A芯片的人脸识别系统,完成了对优化后算法的验证。