人脸识别作为一种友好的生物特征识别方式,具有不易伪造,容易获取、准确率高等优点。传统的人脸识别通常是在PC平台上实现的,近几年随着硬件性能的提升,嵌入式开发板逐渐用于实现人脸识别。由于嵌入式开发板的便携性好、稳定性高等优点,使嵌入式人脸识别系统的应用领域十分广泛。嵌入式开发板资源有限,可使用的算法具有一定的局限性。近几年随着人工智能技术的推广,高识别率的深度学习方法应用越来越广泛,但却无法直接运用在嵌入式开发板上。本文针对上述问题主要做了以下工作:(1)深入研究了嵌入式人脸识别的国内外发展和研究现状,总结了近几年深度学习的算法,并详细分析了其网络结构,结合嵌入式开发板的硬件资源有限的特点讨论了算法计算量。(2)研究了嵌入式人脸识别的各个组成部分。详细分析了基于嵌入式人脸识别常用的方法,讨论了常用的人脸数据库,研究了照片存储的格式,考虑了嵌入式人脸识别的耗时。(3)搭建了嵌入式人脸识别的开发环境。硬件方面,选择ARM架构的嵌入式开发板和摄像头;软件方面,选择开源的Linux操作系统。在PC机上进行了虚拟机的安装,建立了交叉编译环境,在开发板上进行了内核、驱动程序等相关的移植,为人脸识别应用程序的设计和开发搭建了一个稳定的运行环境。(4)提出了一种基于深度学习的pooling操作和DeepID算法的嵌入式系统pooling_patch算法。通过在ORL人脸库和本实验室成员的人脸图像库上进行实验,结果表明该方法不仅识别率高,且耗时短。