随着物联网技术和人工智能的发展,以嵌入式系统为平台的人脸识别系统得到了广泛应用。尽管人脸识别系统在可控条件下可以得到很高的识别结果,然而,在街道、商场等复杂场景,采集的人脸图片容易受到姿态、表情、遮挡和光照等原因的影响,可以提取的特征很少甚至难以提取特征,为人脸识别带来了一定的阻力。本文利用全局特征与局部特征融合的方法研究了复杂环境下人脸识别系统的设计和实现,实现在非限制条件下快速准确识别人脸身份的目的。人脸识别主要包括人脸定位检测、特征提取和特征比对三个关键环节。本文针对复杂环境下人脸定位检测,选择了MTCNN人脸检测算法,不仅能快速的定位人脸,而且能在遮挡和光照条件下检测到人脸;针对特征提取,为了解决光照和遮挡环境无法准确提取整体特征这一关键问题,采用以全局特征为主、局部特征为辅的综合分析方法,本文优化的基于Squeeze Net网络提取全局特征级联融合基于图像分块提取的LBP与梯度局部特征方法,可以提高人脸特征提取的准确度。针对特征比对,采用欧式距离计算视频中人脸与人脸库中特征的相似度,通过设定阈值,判断识别结果。本文以X210目标机为硬件系统,搭建了一个稳定的人脸识别嵌入式系统平台,从不同的现实环境对特征相似度进行了测试。实验结果表明:全局特征级联融合LBP特征在光照环境下识别率最高,全局特征级联融合梯度特征在遮挡环境下识别率最高,相比于为不融合局部特征的方法分别高7%和25%,且在亮暗环境相比于以PCA算法为代表的嵌入式人脸识别算法高12%和8%。本文设计的人脸识别系统可以在不同光照环境和轻微遮挡环境识别人脸身份,有效的改善了复杂背景情况下人脸识别技术,系统运行稳定,满足设计需求。