随着社会的不断发展,人们对居家安全方面的问题不断重视,各种智能门禁系统、居家安防设备等智能化软硬件设备的应用也越来越广。近年来利用传统猫眼进行开锁、用专门的设备通过猫眼对屋内情况进行反窥等不安全事件的频繁反生,加上传统猫眼功能单一,传统猫眼已逐渐被具有人脸识别功能的智能猫眼所取代。智能猫眼由于设备体积普遍较小,硬件能力有限,各种复杂的神经网络模型的算法无法很好地在这样的硬件设备上运行。而且目前市面上大多数该类型的智能猫眼设备基本都采用基于Web端的应用接口或者通过软件开发相应工具包的方式来实现人脸识别的功能,导致相关应用只能以外部调用的方式运行,不能进行内部优化提升。同时,楼道的光线等环境因素也会大大影响到人脸识别的准确性。针对上述情况,本文主要通过对硬件和软件进行优化来改善和解决以下几个主要问题:1.设备硬件性能和人脸识别算法相适应、匹配的问题;2.人脸训练样本问题;3.灯光等环境因素影响人脸识别准确性的问题。根据系统的需求,在硬件和软件方面提出相应的方案,并进行针对性的优化提升,其中硬件部分以基于全志A64主控芯片的开发板为基础,针对不同的功能模块进行原理图及PCB设计,并且进行调试。整个系统软件部分的功能则通过Open CV来完成。在人脸检测方面,重点研究了人脸Haar特征和Adaboost级联分类器的原理,以及训练级联分类器的原理,运用基于人脸Haar特征的Adaboost级联分类器完成了人脸与人眼的检测定位功能。最后设计了基于主成分分析（PCA）的人脸识别模型,并且通过对获取的人脸图像进行预处理以及后期的人脸验证,提高了人脸识别的准确率。