身份验证的需求由来已久,科学技术的快速发展的同时,验证技术也越发多样,从一般的约定信息、信任物体发展到生物特征识别,对验证技术的要求不再仅满足于安全,在便捷性、高效性、隐私性等方面也提出了要求。而在真实世界,生物特征识别在唯一性、便捷性、安全性等方面具有较大优势,因而得到广泛研究与应用。其中人脸识别技术的优点尤为突出,具有验证方式简单友好、识别速度快、识别准确度高等特点,在移动支付、签到考勤、公共安全等领域得到大量应用。而芯片性能的提升,使得将人脸识别技术部署到嵌入式设备上成为可能,识别设备小型化和便携化,也大大拓展了身份验证技术的使用场景。本文基于实验室智能门禁管理系统中对于身份验证的需求,以人脸识别技术为基础,结合嵌入式开发技术,设计了一个应用在实验室场景下的身份验证系统。并针对PCA算法在训练集中因对象样本较少而识别率偏低的情况,提出使用位平面重构样本来扩充训练集的方法,实验表明,该方法可有效提高PCA算法的识别率。本文先研究了人脸识别技术的原理和实现。人脸识别的过程,可以概括为四个阶段。第一阶段是图像获取,主要由图像传感器完成,为了减少数据的处理量,在将图像用作人脸识别前,一般需要使用算法将采集到的彩色图像转化为灰度图像;第二阶段是人脸检测阶段,从灰度图像中提取出人脸区域,本文研究了Haar特征和Ada Boost训练算法,分析了以Haar特征为基础搭建弱分类器,使用Ada Boost算法构建强分类器进行人脸检测的算法原理,之后又分析了另一进行人脸检测的常用算子LBP特征,并对两种特征搭建的Ada Boost分类器进行的实际测试,实验表明LBP特征性能要优于Haar特征;第三是人脸预处理阶段,需要将获取的人脸图像进行一定的增强处理以提高识别率,本文使用高斯滤波方法减少环境噪声影响以增强图像质量,然后通过直方图均衡化,减少光照环境对图像质量的影响;第四是人脸识别阶段,该阶段主要负责对人脸特征进行降维和在人脸库中进行样本匹配,本文分别分析了PCA特征抽取方法和LDA特征抽取方法的原理,并通过实验对两种特征抽取方法进行了对比,实验表明,PCA算法在训练集中样本数量有限的情况下的表现更加优秀,更适合在嵌入式平台上使用。然后,针对样本数量较少而导致算法识别性能不佳的情况,本文提出了使用位平面重构样本的方法来扩充训练库,实验表明,这种方法能有效提升PCA算法的性能。然后,本文设计并实现了一个嵌入式人脸识别系统,在实验室环境下实际测试了相关算法。本文从硬件系统和软件系统两方面对该系统进行了介绍。硬件系统以I.MX6ULL处理器为核心模块进行控制和数据处理,以摄像头为图像获取设备,通过LCD进行结果显示,搭配电源、调试和存储等模块,共同为软件系统的稳定运行提供支持。软件系统选择以Linux作为操作系统,本文对嵌入式开发环境和Linux系统进行分析,详细介绍了Linux操作系统的移植过程,介绍了Linux环境下嵌入式开发环境的搭建,包括交叉编译环境、Open CV算法库的编译与移植和Qt图形处理框架的编译与移植。本文还对本系统的软件设计进行了介绍,包括软件系统的总体框架和各模块的运行流程。最后对系统进行了实际测试,结果表明在实验室环境下,该系统可以稳定运行,识别速度快,识别准确率高,可以满足实验室门禁管理对于身份验证的需求。