随着物联网、智能家居的广泛应用，生物特征识别技术受到越来越多的关注。其中，人脸识别在所有的生物识别技术中具有较好的稳定性及个体差异性，因此成为了身份验证的常用技术。本文首先分析了人脸识别的国内外研究现状，分析了人脸识别存在的识别率不高的问题，针对该问题提出了本文要研究的课题任务。接着介绍了人脸识别的相关理论和现有的几种人脸检测和识别算法，基于Haar-Like特征的人脸检测和基于嵌入式隐马尔科夫模型的人脸识别。详细描述了人脸识别的数学模型基础——隐马尔可夫模型和嵌入式隐马尔可夫模型的概念和定义，并列举了嵌入式隐马尔可夫模型的三个基本问题：基于局部二元模式(LBP)特征提取，基于嵌入式隐马尔可夫模型的构建和人脸识别。本文的人脸检测主要用到基于Adaboost训练的级联分类器算法，人脸识别基于嵌入式隐马尔可夫模型，实现过程分为建立模型、特征提取、人脸训练、人脸识别四个步骤。在特征提取模块中，设计了LBP特征提取方法，并描述了局部二元模式的优越性。本论文从整体和部分的角度描述了系统和各功能模块的设计方案，并通过实验对相应的人脸检测和识别算法进行了测试分析；并对比了2D-DCT和LBP两种方式的特性，使用LBP特征提取方法的识别率高于使用2D-DCT方法。最后，本论文总结了当前系统的优缺点，展望了未来人脸识别发展的方向和需要解决的难题。