随着红外采集设备性价比的逐渐提升，红外图像采集设备逐步被应用于实际生活中，而人脸识别具有安全性、方便性等特性，因此将两者结合实现完整的红外人脸识别系统是非常必要的。目前人脸识别大都是基于模板的方法来实现的，其缺点是不能适应较大样本的人脸识别，速度也不能达到及时的要求，本文通过研究人脸图像的本质以及统计学习的原理，提出了一种可用于嵌入式系统的红外人脸定位方法和人脸识别方法。　　 在人脸定位中，本文首先对人脸使用积分图的方式提取Haar特征，使用Haar特征构造弱分类器，然后根据样本的权值分布构造出强分类器，最后通过对强分类器组合，形成可应用于人脸定位的分类器。最后根据该分类器完成了一个可以应用于红外人脸定位的系统，定位率可以达到98％，单张图像的定位时间控制在20ms内，完全满足实际应用。　　 人脸识别过程中，本文对定位后的图像进行主成分分析，对一组图像进行分析和运算，获得能最大表现其方差的特征的变换矩阵，在人脸录入和人脸识别中都通过该矩阵完成特征的抽取。人脸识别中，首先使用最近邻分类器完成一个多对多的识别系统，最后根据期望的识别率来确定阈值，完成最后的一对一的人脸认证任务，人脸分类过程中，本文使用了修正的欧式距离来度量不同类别之间的距离。其后，根据该方法和阈值实现了一个红外人脸识别系统，人脸认证率可达99％，时间在几十毫秒内完成，满足实际应用。　　 最后，本文根据文中提到的方法，对红外人脸门禁锁的实现提出了一个解决方案，并且在PC机完成模拟程序，可以达到实际应用的标准。