人脸检测与面部表情识别是一个重要的科学研究领域，它是用机器替代人对目标进行检测、识别、判断，主要用于工业生产、安全检测、银行安防系统、生命救援及汽车电子行业。自20世纪70年代以来，人脸检测与面部表情识别技术随着新信息技术和多媒体的普及得到飞速的发展。此外，高性能计算机价格不断下降，图像采集成本的降低，智能人脸检测与识别系统逐渐部署在个人计算机和嵌入式平台上。人脸检测是指对于任意给定的一张图像能够检测出图像中是否存在人脸或者存在多少个人脸，如果检测到人脸存在，返回每个图像中人脸的位置和大小程度。现实中人脸检测是一个极具挑战性的任务，因为人脸在图像中受多个因素影响，如位置，方向(左，右)姿势(正面，侧面)面部表情、遮挡、光照条件都可以改变人脸在图像中的外观。如何设计快速、较准确的人脸检测和跟踪系统是本课题的主要研究内容。本课题设计了一个基于OmniVision公司摄像机的人脸检测系统，该系统对摄像头视野中的人脸图像进行跟踪和检测。ARM平台通过摄像头获取视频，利用人脸检测算法进行判断并分析视频中人脸位置。通过DMA将图像传输到T35液晶显示屏上，并且实时跟踪人脸的位置。其核心研究内容主要包括三个部分：一是固定硬件架构下显示方案建立；二是将人脸检测算法移植到嵌入式平台；三是对移植后的算法进行优化，以提高系统整体的实时性。本文首先介绍了几种常用的人脸检测判别算法，包括基于知识规则法、基于可视特征法、模板匹配法和基于不变特征法，并分析代码移植的复杂度和适用范围，重点阐述了基于不变特征法的人脸检测方法；然后，介绍了本系统人脸检测算法的基本原理。在此基础上，论文完成了如下工作：(1)结合肤色模型与人脸特征，设计实现了一种人脸自动检测与跟踪算法。首先用基于肤色模型实现对视频场景区域的肤色进行识别和提取，确定肤色区域；然后在肤色区域内根据人脸特征，通过区域标记计算目标人脸的位置和大小。(2)算法进行嵌入式移植。由于上位机上的图像处理与嵌入式平台上有不同，图像的格式和所选芯片限制了嵌入式系统处理的实时性，它与摄像头输出的图像格式也有很大关联，要对上位机算法进行大量改进。(3)实时嵌入式人脸检测跟踪系统，其实时程度和硬件结构、代码的空间复杂度、时间复杂度有关。本文对检测算法、摄像头驱动、显示屏驱动进行优化，采用减少运算量和结合编译器特性优化算法，以节省运算时间提高系统的性能。