近年来,人脸识别的应用领域逐渐出现了移动化的要求,灵活便携的可移动人脸识别机器已经成为一个研究热点。人脸识别技术经过近五十年的发展已经取得了不少研究成果,但要想在系统资源相对缺乏的嵌入式系统中建立一个有效、准确、实时的人脸识别系统,仍有一系列关键技术需要解决。　　 本文从构建嵌入式环境下人脸识别系统所需解决的关键问题入手,对人脸识别的基本理论和关键技术进行深入研究,详细分析人脸识别和嵌入式技术的特点,研究了在嵌入式环境下人脸识别系统所涉及的关键算法。首先,对目前人脸检测识别的主要算法进行归纳分析,选取适合在资源紧张的嵌入式环境下运行的AdaBoost人脸检测算法进行深入研究。其次,在分析AdaBoost不足的基础上提出GA-AdaBoost算法用于选取更加有效的弱分类器。AdaBoost算法采用贪婪搜索策略,虽然每次迭代选择的弱分类器是局部最优,但最终构成强分类器的弱分类器及其系数并不是最优。GA-AdaBoost算法在用AdaBoost算法选取特征弱分类器的基础上,用遗传算法消除冗余弱分类器,并学习相应的权值,形成最终的强分类器。实验结果表明,采用GA-AdaBoost算法训练的人脸检测器在Haar-like特征的数目、检测率及检测速度等方面的性能都得到了改善。最后,在基于ARM9的S3C2410X嵌入式平台上,以嵌入式Linux为操作系统的软硬件环境中实现人脸识别的原型系统,并以此介绍在嵌入式环境中人脸识别系统的应用需求及开发流程,同时对本文提出的GA-AdaBoost算法在嵌入式平台上进行实验,对改进的算法进行性能分析。