人脸作为人重要的生物特征之一,包含了身份、性别、年龄和表情等属性信息。人脸属性识别技术是计算机视觉领域研究的热点问题,在安全监控、移动支付、人机交互等多个现实领域有着很高的应用价值。近年来,深度学习的蓬勃发展促进了人脸属性识别技术在现实场景的落地应用。然而由于目前深度学习本身的计算复杂性,其大多数应用被部署在云端服务器上,数据需要从边缘终端传输到服务器进行计算。这造成了对高带宽的需求,网络延时的困扰以及用户对于数据隐私的担忧。在这种情况下,华为推出了为深度学习打造的具有自主知识产权的边缘计算芯片,为深度学习在终端侧的应用提供了中国自主可控的硬件平台。然而目前将已有的人脸属性识别算法移植到华为芯片是相对困难的,面临模型兼容性和资源有限性两方面的挑战,且鲜有相关的论文研究。因此基于华为芯片展开人脸属性识别应用性研究并开发相关应用系统,具有很强的现实意义和实用价值。针对上述现状,本文选取人脸属性识别中更具研究和应用价值的人脸识别和年龄估计技术作为研究内容,分别在搭载了华为芯片的Hikey 970和Atlas 200 DK两个平台上进行了试验性的研究和探索。具体工作如下:（1）构建人脸识别门禁系统。将在人脸识别领域先进的Arc Face算法移植到Hikey970,开发了一个集成人员注册、人脸识别、可疑人员标注、人脸数据库管理多个功能的人脸识别门禁系统。测试结果表明,该人脸识别门禁系统安全性、通过性、实时性均较高,满足实际应用的要求。（2）提出了一种适用于华为边缘计算平台的年龄估计方法。该方法基于深度标记分布学习,并使用轻量化的Mobile Net网络替代笨重的VGG,使之更适用于资源受限的Atlas 200 DK。并通过预训练和迁移学习,弥补了由于模型参数减少导致的精度下降。在多个数据集上的实验表明,该方法在极大降低模型容量的同时提升了模型精度。（3）构建年龄估计系统。将一个人脸检测模型、一个人脸关键点检测模型和本文提出的年龄估计模型移植到Atlas 200 DK,通过串联三个模型,构建出一个年龄估计系统。测试结果表明,移植后的年龄估计模型精确度较高,系统的整体响应时间短,具有较强的实用性和参考价值。