人脸识别作为一种方便快捷的生物识别技术越来越多的应用于身份认证领域。近年来,基于深度学习的人脸识别系统发展迅速。但基于深度学习的人脸识别算法大都运行于服务器平台,而对嵌入式设备提供云计算接口,开发成本高,同时使用受网络限制,不能满足人们对易用性的要求。因此,对于简单易用且可离线训练与识别的嵌入式人脸识别系统的研究,仍具有重要的意义。但目前的这类嵌入式人脸识别系统仍存在人脸关键点检测速度慢、单样本训练场景识别率低等问题。本文在双核架构的嵌入式平台下,对人脸识别系统的设计与实现进行了深入的研究。首先,由于Opencv提供的人脸关键点检测分类器在嵌入式平台运行缓慢,本文使用Adaboost算法,训练了嵌入式平台专用的关键点检测级联分类器。在人脸检测基础上,结合关键点粗定位实现了快速准确的人脸关键点定位。其次,传统的人脸识别算法在单样本训练时识别效果较差,本文针对单样本人脸识别,提出了一种改进的联合贝叶斯人脸识别算法。该算法结合了人脸数据自适应增强和特征融合的方法,在训练样本只有一张图像时,对人脸数据进行自适应数据扩展。对样本提取全局特征与局部特征后,使用联合贝叶斯算法训练模型。识别时使用全局与局部分类器融合的方法进行分类。在单样本训练数据情况下,该方法对于姿态变化的人脸能较为准确的识别。最后,在系统软件实现方面,充分利用了 TI公司的XDC算法工具以及软件系统架构对软件进行了设计,同时合理分配双核的运行资源,对算法的移植与运行进行了优化处理。利用系统集成的红外接收模块与OSD控制器等外围设备,实现了可用的人机交互功能。最终在DM6446平台上,实现了基于改进的联合贝叶斯算法的人脸识别系统。经实验验证,本文的人脸识别系统,人机交互功能良好,能够准确快速的识别人脸。