如今是信息过载的时代,从以前对信息的主动搜索,到推荐系统主动推荐信息,缓解了“信息过载”的问题。同时,随着生活质量提高,精神娱乐愈发受到人们的重视,电影正是最受大众喜欢的精神娱乐之一。但如何在海量的电影片里寻找出自己可能喜欢的电影却并非易事。近几年,基于卷积神经网络的人脸识别以压倒性的优势超过了传统的识别方式,并且随着硬件设备计算能力提升,嵌入式平台得以运行深度神经网络程序。相比于推荐系统中常见的根据用户历史喜好信息进行推荐等方法,本文创新性地基于相似年龄、性别、职业的用户具有相似的电影爱好的假设,使用年龄、性别、职业这三个用户人口统计学信息做粗粒度的电影推荐,推荐的结果更具社会性、大众性,符合大众兴趣。并基于此方法成功地在嵌入式平台搭建电影推荐系统,将理论实现落地。本文主要工作内容如下:(1)提出基于宽残差神经网络的人脸属性识别模型,可用于预测摄像头捕捉到的人脸的年龄和性别。最终将训练好的模型移植到嵌入式平台上取得了良好的实时性且预测结果符合人们的认知。预测出的年龄、性别将作为下一步电影推荐的重要依据。(2)提出基于人脸属性识别的电影推荐方法。在实验室环境下,使用Movie Lens轻量型数据集,该数据集包含6040位样本用户对约4000部电影的近100万条评分以及每位用户的信息。首先,通过协同过滤算法为6040位样本用户各自推荐出8部该用户可能喜欢的电影。接着,根据得到的被推荐人的年龄、性别、职业三大信息,在6040位样本用户里找出与被推荐人最接近的若干个用户组成相似用户群。将相似用户群所有样本用户已推荐的所有电影送入事先训练好的决策树模型,可进一步筛选出最可能是被推荐用户喜欢的8部电影。(3)为实现系统小型化,基于嵌入式RK3399开发板搭建一个可离线运行的电影推荐系统。选择更加稳定的Debian操作系统,并为人脸属性识别和电影推荐程序的实现,搭建了稳定的代码运行环境,主要包括Open CV库、Sklearn库、Keras库、Tensorflow库、Dlib库、Py Qt5库等的移植安装。最终成功在嵌入式平台实现基于人脸属性识别的电影推荐功能,将理论成功落地。综上,在嵌入式平台实现基于宽残差神经网络的人脸属性识别和电影推荐具有突出的理论意义和广泛的应用前景,是人工智能算法在嵌入式平台实现的一个有益的尝试。