人脸识别是计算机视觉和人工智能领域最富挑战性的研究课题之一，它属于生物特征识别技术，以生物个体的本身生物特征来区分识别。人脸识别由于其自身的直接性、方便性、唯一性等优点，在信息安全、公共安全等领域有着广泛的应用。人脸识别技术包含了人脸检测和人脸识别两个部分，人脸检测是从静止图像或者视频中检测出人脸并提取面部特征的过程，识别过程则是从包含若干已知身份的人脸库中识别出待检测者的身份。本文对基于AdaBoost的人脸检测算法进行了详细研究，分析了分类器训练、Haar特征设计、积分图计算等。针对本论文应用，设计实现了一个基于22级的级联分类器，在保证检测精度的同时，检测速度能满足实时性的要求。在EHMM的基础上，考虑到眉毛和上嘴唇在人脸面部特征中的重要性，设计了一种增强型的人脸隐马尔可夫模型，将人脸分为了7个超状态，36个子状态。在Visual Studio平台上实现了人脸检测和人脸识别的仿真，基于扩展Yale B人脸库进行了性能检测，结果表明，在正常光照条件下，识别率达到了95%以上。同时，以TI公司的TMS320DM3730为主处理器，设计了一个嵌入式人脸识别平台，平台实现了模块化的设计，主要包括视频采集模块、数据存储模块、显示输出模块、数据传输模块、人机交互模块、电源管理模块等。最后对设计的人脸检测和人脸识别算法进行了定点化设计和DSP移植。测试结果表明，在320*240像素的检测空间内，实现一次人脸检测需要的计算量约为60M时钟周期，进行一个人脸匹配所需的计算量约为30M时钟周期，基本满足实时性应用的要求。