随着全球电子信息技术的迅猛发展，快速有效的自动人脸识别系统受到研究者的普遍关注。自动人脸识别系统在国家公共安全、社会安全及商业等诸多领域都有广泛的应用。人脸检测是人脸识别系统中不可或缺的一部分，人脸检测的准确度直接关系到人脸识别系统的识别率。然而，眼睛作为人脸面部最为显著的特征之一，能否对眼睛进行精确定位是实现快速准确的人脸检测的关键。人脸图像的维数通常很高，而样本数常常远小于图像的维数，以至于出现小样本问题，而且人脸识别在高维空间中的计算复杂度很大。因此，常采用降维的子空间方法进行人脸识别。针对以上问题，本文对人眼精确定位和子空间人脸识别方法进行了研究，主要内容可概括如下： 1.对人脸检测算法特别是眼睛定位算法进行研究，针对眼睛定位不准确的问题，分析得出一种将积分投影和梯度投影相结合的正交混合投影人眼定位算法，实验表明：该方法能快速准确的对人眼进行精确定位。 2.针对人脸图像的高维特性以及小样本问题，对经典子空间人脸识别方法进行研究，并且通过实验仿真分析比较各种方法性能的优劣。 3.对判别共同向量方法进行研究，针对判别共同向量方法计算量大的问题，本文给出了一种基于图像小波分解的判别共同向量方法，该方法通过先对图像进行二层小波分解再利用判别共同向量的方法进行人脸识别，实验表明：采用基于小波变换的判别共同向量方法不仅可以极大地降低计算复杂度，也可获得较好的识别性能。 4.给出一种基于差分共同向量与主分量分析相结合的人脸识别算法，该方法先通过求出各类的共同向量，再将所有样本与所在类的共同向量进行差分得到差分图像，将这些差分图像作为新的训练样本运用主分量分析的人脸识别方法进行分类识别，实验结果表明该方法的有效性。