人脸识别作为生物识别技术的一种,在人们生活的方方面面得到了广泛的应用。随着嵌入式硬件性能的提高,人脸识别技术在嵌入式领域有了快速的发展。本文针对嵌入式系统的特殊应用环境,对人脸识别算法进行了改进。人脸识别从广义上讲包括两个过程:人脸检测和人脸分类(狭义的人脸识别)。本文首先对基于连续AdaBoost算法的人脸检测方法进行了改进,连续AdaBoost算法要求对样本空间进行划分,传统的等距划分无法体现正负样本各自的分布规律。结合离散AdaBoost中弱分类器的阈值选取策略,通过多重最优阈值选择方法实现了样本空间的合理划分。并在MIT-CBCL库上进行了实验,取得了较好的效果。其次,是针对人脸识别阶段的优化。人脸的全局和局部特征分别包含了人脸的整体和细节信息,近年来人脸识别的一个趋势是将人脸的全局和局部特征结合起来。本文在此基础上提出了一种结合全局和局部特征的人脸识别模型,对整张人脸图像采用PCA(主成分分析)方法提取全局特征,对分割后的局部图像采用PCA+LDA(线性判别分析)方法提取特征。为每个特征构建不同的训练集,得到分别称为分类权值和聚类权值的双权值,识别过程采用分为两层的加权层叠分类。方法融合了全局和局部特征,双权值的提出突出了各特征在识别类内和类间图像时的不同贡献度,提高了识别准确性。该方法较适合嵌入式应用环境下的小类别识别。最后本文在S3C2410X芯片上设计了一种基于ARM的嵌入式触摸屏人机界面系统,该系统可控制多种型号的PLC和数据采集设备。并结合工业控制中的操作人员的等级划分,对改进的算法进行验证。