本文关注的是正面人脸识别的特征提取，重点是研究人脸特征点定位(主要是眼睛定位)算法和人脸特征提取算法。　　 在特征点定位过程中，眼睛的位置是一个很重要的信息，它不仅对其他的特征点定位有指示和限定作用，而且是人脸核心区域归一化的一个非常重要的依据。在总结前人的工作的基础上，本文针对灰度人脸图像上的眼睛定位问题，提出了一个基于多层结构的快速眼睛定位算法。该算法首先利用极小值区域(MER)进行眼睛粗定位；然后使用三层筛选算法逐步去除错误的候选保留唯一的正确候选；最后使用眼睛精确定位算法来校正眼睛的位置。本算法在多个公开数据集上均有良好表现，是一个行之有效的方法。　　 在特征提取过程中，本文针对目前应用比较广泛的LBP特征进行了深入的研究。在对LBP特征和ULBP特征进行深入分析的基础上，本文提出了若干种改进特征。相对于经典的ULBP特征，本文提出的双一维LBP特征使用更少的维数得到了更好的结果。此外，针对通常的人脸核心区域的单一分块方法，我们也提出了一个多层分块方法，可以同时兼顾全局、局部和细节信息，并且降低了特征内部的线性相关性。　　 最后，在算法研究的基础上，本文实现了一个人脸识别系统，在实际应用中验证了我们提出的改进方法的有效性。