人脸特征点检测是生物特征识别中的重要技术之一，属于模式识别在图像处理领域的重要应用，它对后续的提高人脸识别准确率、自动检测疲劳驾驶、活体检测等方面的应用都起到了重要作用。人脸特征点检测平台主要由以下几部分构成：人脸检测、人脸特征点识别和交互式界面。人脸检测即从输入的图像中找到并标记存在人脸的区域，并将人脸从背景中进行分离，为后续工作提供基础。人脸特征点识别则是在已经分离出来的人脸图像基础上，对人脸上的关键点，如：眼睛、嘴角、鼻子等，进行定位和标记。交互式界面则是将标记好的人脸特征点进行展示的平台。在近几年中，人脸特征点检测技术一直是图像处理领域中一个重要的研究课题，随着硬件技术的发展和研究的深入，有许多人脸检测以及人脸特征点检测的方法相继被提出。在人脸检测算法中，基于神经网络的人脸检测方法是当前主流的方法之一，该方法在准确率上有着优异的表现。由于传统深度学习模型通常较为庞大和复杂，计算量巨大，因此传统的深度学习算法是基于PC上实现的，但是PC机存在着各种安全问题比如被病毒袭击、被黑客攻击，这些都会对数据安全造成很大影响，因此将深度学习算法移植到嵌入式设备上已经成为当前比较迫切的需求，本文针对嵌入式设备计算能力欠缺提出了ResNet+SSD算法，并在该网络基础上通过减少滤波器数量来达到实时检测的目的；同时人脸特征点检测技术在当前也有着很好的发展，其中监督下降法SDM算法拥有着优异的表现，但是SDM算法在低照度和人脸平面大角度偏转的情况下会导致算法失效，因此本文针对SDM算法的这两个缺点进行了优化，并研究了基于嵌入式平台的优化SDM算法的性能。嵌入式平台是现在主流的发展方向，它具有便携性、已安装、安全性高等特点，可以广泛适用于各个应用场景，本文采用国产的RK3399型ARM芯片作为嵌入式设备的开发平台，研究了基于神经网络的人脸检测和基于优化的SDM算法的人脸特征点检测，为后期完成虹膜人脸人证比对机提供了前期设计参考。本文首先在PC机上实现了基于ResNet10-SSD-half的人脸检测算法和优化的SDM算法，并对算法的实时性和准确率进行了分析，然后搭建了基于ARM的嵌入式硬件平台，将人脸检测和人脸特征点检测算法进行了移植，得出在嵌入式平台上的试验效果。