随着嵌入式硬件平台突飞猛进的发展，对计算平台的要求比较高的访客身份验证技术开始出现在家庭安防系统上。人脸检测技术是目标检测与检索领域的关键技术之一，是多项安防技术的前提与基础，非常符合家庭安防环境的特点。在各种基于生物特征的检测技术中，人脸检测技术是发展前景最广阔的一种身份识别手段。更好的实现人脸检测的效果与性能对于安防系统是至关重要的。本文首先在分析了几种常用的人脸检测设计方法后，根据课题的需求和家庭安防环境的特点，提出了一个适合于嵌入式家庭安防系统的人脸检测算法。其中使用了简单高效的Haar特征值来量化图像数据，并使用了积分图法对Haar特征进行快速计算，而后在训练分类器时使用了弱分类器、强分类器、级联分类器等三个层次的分类方法，并使用AdaBoost算法进行各种分类器的训练工作。在完成了人脸检测算法的设计后，本文介绍了一个基于S3C6410处理器和嵌入式Linux系统的家庭安防系统，随后介绍了针对该平台的开发需要做的前置准备和搭建工作，其中包括了软硬件平台的选取、多种开发工具的安装过程，以及MJPG-streamer视频服务器和OpenCV图形算法库的移植与配置过程。随后本文在嵌入式平台上实现了人脸检测程序。其中人脸检测程序可分为采集程序、训练程序和检测程序三部分，每部分都详细介绍了程序的运行流程与关键代码。在介绍完人脸检测系统实现部分后，本文进行了多项实验与测试，其中包括了正常的人脸检测的效果实验，以及针对人脸检测算法中的训练样本数量、训练样本中正负样本的比例、弱分类器的数量这三项重要参数而做的多组测试，并给出了对实验结果的分析与改进。随后，为了探索本文所设计的人脸检测系统在实际应用场景中的效果，本文设计了包含仰角人脸的训练集与检测集，并在此基础上进行了对比测试。最后，针对嵌入式平台的运算特点和应用要求，本文也相应的进行了程序代码级别的改进，包括了浮点转定点方法、查表方法、Haar特征数量优化、级联分类器训练过程优化等多种方法，同样也进行了多组测试，并给出了实验结果与结论。