眼睛包含了大量信息,这些基本信息可以加工成更高级的用户信息,而要获取这些信息,其前提就需要确定眼睛的位置以及状态。但是在戴眼镜情况下,眼镜边框改变了眼睛周围区域的特征,眼镜片造成眼睛图像成像质量下降,使得传统的眼睛定位和眼睛状态识别算法性能都出现大幅度下降。本文首先提出一种基于形态学的眼镜检测算法检测输入的人脸图像是否佩戴眼镜,首先通过高斯滤波去除噪声,然后根据人脸朝向选取鼻梁上方区域,进行边缘检测并进行形态学统计判断目标是否佩戴眼镜。实验结果证明,本文提出的眼镜检测算法准确率为95.91%,能够有效地检测用户是否佩戴眼镜。针对戴眼镜情况下眼睛定位准确率下降的问题,本文首先单独训练戴眼镜情况下的眼睛定位分类器,然后提出了一种基于眼镜检测的眼睛定位框架保证在所有状态下的准确率。对于一幅新输入的人脸图像,首先检测用户是否佩戴眼镜,如果佩戴眼镜,则调用戴眼镜情况下的眼睛定位分类器,否则调用不戴眼镜情况下的眼睛定位分类器。实验结果表明,眼睛定位算法在本文提出的这种框架下在不戴眼镜和戴眼镜情况下均能保证90%以上的定位准确率和较低的定位错误率。为了克服头部运动和复杂光照的影响,本文提出了一种基于特征融合的眼睛状态识别算法,首先分别通过不戴眼镜与戴眼镜情况下的眼睛数据库采集眼睛样本,然后分别提取眼睛样本的伪Zernike矩特征以及Gabor特征,其中Gabor特征由于维度较高,需要通过主元分析进行降维,Gabor特征与伪Zernike矩特征串联组成复合特征,并通过SVM算法进行分类器训练,得到最终分类器。实验结果表明,本文提出的复合特征在戴眼镜情况下准确率达到98.95%,在不戴眼镜情况下准确率达到96.75%,能够满足实际应用需求。