伴随着信息技术和智能化的快速发展,如今人脸识别技术已经受到越来越多的科研人员及实际应用者的普遍关注。它是进行个人身份鉴定的一种重要生物技术手段,研究价值不言而喻。它在视频监控、安全和国防工业等领域具有巨大的商业价值。毫无疑问,人脸识别在21世纪这个信息时代将得到迅猛发展和实际应用。当然,人眼定位在整个人脸识别中占有核心的位置。准确的人眼定位可以进行人脸姿态表情分析和人脸图像的自动跟踪。人眼检测和定位在过去的数十年中是许多实际应用中的核心技术,如在人与机器人交互中,眼睛识别是人与机器人实现交流的关键技术。因此,学术界视人眼的快速精确定位为提高人脸识别准确率和将其实际应用的关键和瓶颈所在。本文首先简要介绍了人脸识别的概念、发展历史、应用和研究现状。然后阐述分析了人眼检测的几种理论方法。第三章先简要介绍一下SIFT和HOG的基本原理,然后构建了人眼的HOG-Moment特征,进行人眼的检测。第四章,我们对上面所建立的HOG-Moment人眼特征进行最大似然估计以求解人眼位置的最优值。在对似然进行求解的过程中,我们首先遇到了无解的情况。基于这种情况,我们为该似然估计函数设计了一个迭代算法,期望得到最佳近似解。在迭代过程中,首先选取似然估计函数的初始化条件,然后利用眼睛内在距离对迭代步骤进行优化。由于我们设置的迭代收敛条件值非常小,所以这种迭代求值与双眼真实位置非常接近。第五章,我们选取了BioID和CVL两个数据库对我们的算法进行实验并和一些现有的眼睛定位算法进行对比。结果显示我们的算法性能表现一流,尤其是在误差系数小于0.1的时候。我们的算法对不受控制的外部环境具有较强的鲁棒性。由于我们采用了可靠的人脸检测和具有良好的区分能力的HOG-Moment特征,所以该算法对外部环境(如光照,尺寸、旋转、平移等几何形变)不太敏感。