人脸识别是一项典型的生物特征识别技术，涉及到图像处理、模式识别、人工智能等多个学科，具有很高的学术研究价值和丰富的商业应用场景。人脸检测是人脸识别中重要的一环。眼睛作为最重要的面部特征，其定位算法也具有极高的研究价值。本文首先介绍了几种常用的图像预处理方法，详细描述它们的计算过程并展示具体的预处理效果图，在一定程度上消除图像噪声，降低光照变化对识别工作的影响；其次，文中论述了经典Adaboost方法的基本原理知识以及它应用在人脸检测中的计算过程，在采用经典Adaboost得到各训练样本的识别难易程度后据此提出普通样本的概念，针对普通样本采用不同的权值更新策略，以得到更高效的分类器，提高检测率并降低误检率；文章对Adaboost级联结构的改善也优化了检测效果，辅助函数的引入能在人脸检测时间增加较少的前提下提高检测精度；在人眼粗定位过程中，我们将搜索区域限定在人脸的上2/3部分，从而减小计算量，消除一部分干扰，并保证眼部区域不被排除；最后，对眼睛的精确定位是基于等照度线的曲率和梯度特征完成的，根据等照度线上各点的弯曲度大小和梯度的正负号筛选得到一部分偏置向量投票产生等照度线中心点，并采用均值漂移算法进行修正识别结果。实验结果表明文中对经典Adaboost算法的改进和基于等照度线的人眼定位在侧脸、线性光照变化、部分遮挡的情况下都有效提高了检测精度，取得了很好的识别效果。其中对双眼的精确定位是基于低维度特征，计算量小，能满足实时定位需求。