现在科技的发展日新月异,而生物技术则是其中引人夺目璀璨无比的一个。传统的识别技术已经不能满足人们的需求,在此基础上逐渐开发了指纹和声音识别,而人脸在视觉信息所占的比重最大,因此发展人脸识别技术是今后的趋势。随着科学技术的不断高速的发展,目前部分嵌入式处理器的运行速度已经超越PC机,并且嵌入式设备具有微型化、集成度高等特点,所以基于嵌入式平台的人脸识别技术已成为当前的研究趋势。本文首先对嵌入式系统和图像处理的发展历程做了简单的介绍,其次详细的介绍了人脸识别的常见方法,接着详细描述了所用嵌入式平台RK-3399硬件搭建,以及对bootloader、Ubuntu系统和嵌入式文件系统等底层环境进行了裁剪、编译和移植。人脸识别算法主要包括人脸检测算法和人脸识别算法,由于人脸检测和识别算法的训练对图像处理运算量大,所以在PC机下Windows实验环境搭建TensorFlow框架,分别在WIDER FACE和CASIA-WebFace人脸数据库完成人脸识别和人脸检测算法的模型训练工作。首先在PC机上完成人脸识别功能,通过MTCNN实现对人脸目标检测并提取出视频中的人脸候选区域,Face net提取特征向量并于库中人脸进行比对。最后将其部署到RK-3399嵌入式平台上,通过USB摄像头采集图像,并对图像进行灰度化、噪声去除等操作。其中MTCNN算法完成人脸检测Face net算法完成人脸识别,相比传统的基于PC机端进行的人脸检测识别作了进一步的改进,这使得人脸识别系统更加便捷,更加有效。嵌入式人脸识别系统设计完成后,本文测试了系统的识别率和运行速度等性能指标,并在RK-3399嵌入式平台上运用Opencv自带的传统的人脸识别库实现了一个简单的人脸识别系统,就两种方法在光照条件、姿态多种多样,人脸存在部分遮挡的情况下进行测试。其结果均表明基于ARM的嵌入式人脸识别系统可以稳定正常运行且识别率高,具有较好的应用前景。