随着社会信息化程度的不断提高,人脸识别技术被广泛应用在门禁系统、公共安全、消费娱乐等领域。人脸识别算法可以分成传统方法和深度学习方法两大类,目前主流的人脸识别算法都是基于深度学习的方法。尽管深度人脸识别系统的检测效果好、鲁棒性强,但由于其系统模型复杂和计算量大等缺点,在实际应用中,往往算法是部署在云端服务器上。近几年来,各种轻量级卷积神经网络不断被提出,给人脸识别系统的落地应用带来了新思路。在上述背景下,本文基于轻量级卷积神经网络设计了一种轻量化人脸识别系统,并在低成本、低功耗和低算力的嵌入式平台上实现部署。一个完整的人脸识别系统可以分成人脸检测与识别这两个部分。在人脸检测部分,本文设计了轻量化人脸检测算法,该算法是基于端到端的目标检测算法实现。通过设计轻量级主网络提取多尺度特征,使用特征金字塔实现多尺度特征融合,使用上下文增强的简单检测器进行人脸检测。使用Anchor机制来生成和回归人脸检测框,通过非极大值抑制滤除冗余信息,得到人脸区域和人脸关键点的坐标。在人脸识别部分,本文设计了轻量化人脸识别算法。通过设计轻量级人脸特征提取网络,降低算法的参数数量和计算量;使用改进的损失函数训练网络,提高人脸特征提取网络的泛化能力;在使用轻量级卷积神经网络提取人脸特征后,根据人脸特征的相似性完成人脸识别。最后,在完成理论分析和算法设计的基础上,使用Jetson Nano嵌入式平台作为应用处理平台,将算法在嵌入式平台上实现并优化,实现了人脸识别系统的部署,同时对系统的实时性和鲁棒性进行了验证。人脸识别系统进行一次身份识别耗时37ms,可以适应复杂的背景和光照变化,具有很好的鲁棒性。因此,本文设计的基于轻量级卷积神经网络的嵌入式人脸识别系统具有很好的工程应用价值。