随着社会日益进步,安防设备越来越受到人们的重视,各种各样门禁锁层出不穷。与此同时,生物识别技术也取得了巨大的发展,例如指纹识别、虹膜识别和人脸识别都已经广泛应用于人们的生活中。其中人脸识别因为其使用方便、不易仿冒、识别率高等特点被广泛应用于智能门禁系统。目前大多数人脸识别门禁系统都是建立在PC基础上,具有成本高和体积大等缺陷。近年来嵌入式技术飞速发展,在嵌入式设备上实现人脸识别并综合到安防系统已经成为可能。本设计围绕如何将人脸识别技术与嵌入式设备结合,最终应用于某些固定场合的智能门禁系统,提出了以ARM9为核心处理器,Linux作为操作系统,PCA为人脸识别算法,智能手机终端作远程控制的解决方案,开发嵌入式设备的智能门禁系统。本文从硬件设计、软件设计、算法设计等方面来阐述基于人脸识别的智能门禁系统解决方案。硬件设计上本文采用天嵌系列的学习开发版作为硬件基础平台,使用S3C2440芯片作为核心处理器,CS8900A作为网络通信模块,使用带有USB接口的高清数码摄像头作为视频图像采集设备,设计外围控制电路配合180KG抗拉电磁锁实现门禁控制。软件设计主要包括开发环境搭建如内核、文件系统的移植,Qt库的编译和移植,opencv库的编译和移植,门禁锁的设备驱动程序设计,摄像头图像采集程序设计,人脸检测和识别程序设计,远程网络请求程序设计,编写Qt应用程序为用户提供良好的人机交互界面。算法部分主要包括图像预处理、人脸探测和人脸识别三部分。预处理部分包含运动检测、图像降维、图像几何归一化、图像均衡化、中值滤波等算法。人脸检测部分对比了基于几何特征的和基于模板特征的检测算法,最终使用基于Adaboost算法的级联分类器进行人脸检测,检测算法中使用积分图法快速的提取haar-like特征值,然后使用Adaboost算法将各单特征值的弱分类器训练成单个强分类器,最后级联多个强分类器形成人脸识别库。人脸检测根据生物特征识别方法进行人脸区域定位,人脸区域裁剪和归一化操作,为后续人脸识别训练和识别提供图像源。识别部分通过对比基于知识、基于模板匹配和基于神经网络等识别算法特征,选用PCA算法进行人脸图像的训练和识别,并将识别结果共享到其他应用程序。实验测试表明：本智能门禁系统实现了基于ARM的人脸识别,并可以控制电磁锁实现门禁控制,人脸识别子系统达到了90%以上的人脸检测准确率和85%以上的陌生人报警准确率。嵌入式人脸识别系统相对于PC机具有成本低、功耗小、扩展性较好等特点,针对少数人员出入的场合基本达到了实时、可靠、安全的门禁系统要求。