人脸跟踪与人眼定位是自由立体显示系统的重要组成部分，通过获取两眼的精确位置可以使得用户在无辅助观看设备情况下获得清晰的立体图像，实时和精确是显示系统对人眼跟踪定位的主要要求。本文采用由粗定位到精定位的方法，首先，采用近红外光源照明的物理平台，利用红眼效应有效筛选眼部区域候选点，然后依次对人脸区域进行跟踪、进行人眼初检测和瞳孔精确定位。文章主要分检测、跟踪和精确定位三部分对算法作具体描述。　　 采用Adaboost方法实施对脸部和眼部区域的检测，通过采集近红外光源照明下人脸和人眼样本，可以训练得分别适用于检测人脸和人眼的级联强分类器组。Adaboost算法利用图像的积分图，具有计算简便检测速度快的特点，能很好的满足系统实时性的要求。　　 利用脸部Adaboost级联分类器检测结果构造似然函数用于粒子滤波进行实时人脸跟踪。粒子滤波跟踪算法能够有效处理非线性非高斯系统运动状态估计，考虑到Adaboost算法的高效性，利用其层间概率分布作为似然函数估计目标出现概率，将检测和跟踪过程有效结合在一起。　　 经过人眼初检测后瞳孔位置不一定在眼部图像中心，需进一步精确定位。定位过程分两步进行，首先延伸粒子滤波算法并在当帧眼部图像周围进一步精确眼睛候选窗口的位置和大小，然后在此候选窗口内利用混合投影算法进行瞳孔的精确定位。　　 本文在最后对算法作了总结，由于跟踪检测和精确定位算法运算速度都较快，因此仍能在确保精度的条件下满足系统实时性的要求。算法本身也存在一些缺陷，如对照明设备的特性要求较高，精确定位过程中易受光照、遮挡和眼镜反光的影响，仍需要进一步改进，增强系统的鲁棒性。　　 除了在自由立体显示系统中发挥重要作用，作为基于视频人机交互技术的重要组成部分，人脸跟踪与人眼定位涉及了图像处理、机器视觉、模式识别等众多技术领域，值得进一步研究并提高其性能。