自动人脸识别技术涉及图像处理、模式识别、计算机视觉、神经网络等多门学科,是一个富有挑战性的课题。嵌入式智能监控的人脸识别研究是建立在嵌入式操作系统和嵌入式硬件平台之上的,具有起点高、概念新、实用性强等特点。在实际监控中,人脸识别会受到光照、姿态变化等影响,目前识别精度和识别速率仍难以满足人们的预期要求。本文深入研究了嵌入式智能监控系统中鲁棒的人脸特征描述和高效的人脸识别核心算法。首先,介绍了嵌入式Linux操作系统和GM8180硬件平台架构,探讨了嵌入式人脸识别系统设计中的关键问题;由于嵌入式硬件资源受限,不能只注重高识别率,还需要考虑算法复杂度,因此本文采用复杂度较低且具有线性降维的EPL算法作为嵌入式人脸识别的核心算法。其次,从Gabor小波的生物学背景出发,由于参数化的Gabor小波与简单细胞的感受野模型有着良好的匹配,因此引入Gabor小波表征人脸,将变换后的向量视为独立的样本,增加样本个数,同时对Gabor小波去冗余以保证识别速率。最后,在前述算法的基础上构建自动人脸识别系统,加入了直方图均衡化对图像作预处理,设计了互子空间夹角余弦分类器;并在此系统上,采用快速PCA算法和浮点定点化方法对人脸识别速度进行优化。本文将局部Gabor小波用于人脸表征,仿真结果表明,基于局部Gabor小波的EPL算法优于直接的EPL算法,在小样本和维数较少时,识别率可以达到95%;将固定点算法和Gram-Schmidt正交化用于快速PCA算法,以及采用浮点转定点的方法,可以达到有效提高识别速度的目的,其训练过程和识别过程的加速比分别为8.86和4.25。因此本文所提出的人脸识别方法不仅具有一定的理论参考价值,而且对于嵌入式系统应用开发、AFR应用系统开发也具有一定的借鉴意义。