随着计算机视觉的相关应用的优越性日益突显出来,结合了深度学习算法的计算机视觉研究方向引起了广大研究者的关注。作为计算机视觉重要研究方向之一的人脸识别融合了众多的前沿技术,而目前识别技术仍然面临识别率低和设备体积大两大主要问题。本论文就解决两大主要问题下研究和分析了人脸检测和识别的算法原理并评估了相关算法的优劣和性能,最后在嵌入式环境中实现了人脸识别系统的小性化。本论文主要工作如下:(1)人脸检测算法的研究与实现。研究了基于传统方法的Haar特征人脸检测算法的和基于深度学习的人脸检测算法。分析和评估了两种人脸检测算法在不同的人脸数据集下的性能和检测结果的差异,在嵌入式硬件环境下,选定其中一种方法作为小型化人脸识别系统的实时人脸检测算法。(2)人脸识别算法的研究与实现。研究了基于深度学习人脸识别算法的基本原理,评估了在AR人脸数据集下卷积神经网络模型在全连接层神经元不同个数、卷积核不同个数以及在激活函数不同种类的情况下对网络性能的影响,最终网络模型在该验证集下获得了97.53%的准确率。(3)小型化人脸识别系统的研究与实现。基于对人脸检测和识别算法的研究和实现之后,在嵌入式硬件上设计并实现了具有人脸检测和识别主要功能的小型化人脸识别系统,并评价了系统性能和检测结果的优劣。