随着嵌入式系统的快速发展，嵌入式人脸识别技术成为模式识别和人工智能领域的热点研究课题，在公共安全、电子商务、金融等领域有巨大的应用价值。本文的研究得到广东省产学研合作重大专项(No.20100901)“面向智能玩具嵌入式组件关键技术研究与产业化”的资助，目标是完成嵌入式系统上人脸识别组件，主要指标有：识别率在85%以上，识别速度在2帧/s以上。本文主要探讨了人脸检测、预处理、人脸识别等关键性问题。总结本文的主要贡献和创新点如下：1、本文研究了原始的基于AdaBoost的人脸定位算法，阐述了该算法检测速度慢的主要原因，提出先降低人脸检测的位置精度换取检测速度的提高，检测精度由后面人脸预处理时精确的人眼定位来弥补。加快检测速度的主要方法：提高Haar搜索框的搜索步长；增大Haar特征相继两次搜索时缩放的比例系数；裁剪级联分类器的级数；定点化运算过程中的部分浮点运算；检测缩放后的图像，再按比例还原原始图像中人脸的位置。优化后检测速度经在手机上测试提高了2.5倍以上。2、本文提出了两种快速的人眼定位算法：基于AdaBoost的人眼定位和基于眼珠快速搜索的人眼定位。这两种方法都是在人脸区域已经被检测出来的前提下提出的，对检测到的人脸区域，先进一步缩小人眼检测区域，然后进行人眼的定位。经实验证明两种方法快速有效。3、在原始的基于LBP的人脸识别算法的基础上进行了改进，本文提出了基于级联LBP的人脸识别算法。该算法在充分使用“统一模式”的同时，有效的利用“非统一模式”，提取的LBP直方图特征能更有效的代表人脸信息。最后使用改进的算法在ORL标准人脸库和FERET标准人脸库上做了实验，并与其他几种人脸识别算法做了比较，证明了本文提出的算法的有效性。4、最后本文介绍了在基于ARM架构处理器的Tiny210开发板上人脸识别系统的实现，完成了基于人脸识别的播放器FacePlayer和玩具车控制器FaceCar，并通过采集实际应用环境中的图片进行了测试，识别率为85.2%，识别速度在2帧/s以上。