近年来，随着信息技术的迅速发展，传统身份认证方式已经不能满足公共安全、电子商务、网上银行等领域提出的新要求，而人脸识别技术依靠其不易伪造、不会遗失、不易察觉等特点，成为这些领域最为活跃的研究方向之一。人脸识别技术主要包括四个方面的内容：人脸检测、人脸特征点（眼睛、鼻子、嘴巴等）定位、特征选择与提取和人脸识别与分类。　　 本文以人脸识别技术的实用化为目标，主要研究了人脸特征点定位与标定方法和人脸特征提取方法两方面的内容。本文的主要工作包括：提出了一种基于AdaBoost(Adaptive Boosting)算法的三层结构眼睛精确定位方法；深入分析了LBP(Local Binary Patterns)算法的优点和不足，实现了权值改进LBP算法和具有粗糙度敏感参数的t-LBP(threshold-Local Binary Patterns)算法。　　 在基于AdaBoost的三层结构眼睛精确定位方法的实现过程中，本文通过构建两级眼睛粗定位融合分类器、进行几何重心眼睛精定位和采用双线性插值技术，使该人眼定位方法具有比传统人眼定位方法更高的检测率、更低的误检率和更高的定位精准度，同时，本文提出的人眼定位方法完全可以满足实时性应用要求。　　 此外，本文通过深入分析现有LBP算法及其在人脸识别中的应用，在提出该算法的优点和不足的基础上，实现了LBP算法在贡献度和粗糙度信息利用这两方面的改进，其中，权值改进LBP算法降低时间复杂度的同时，提高了算法的识别率，t-LBP算法为搜寻合适的粗糙度参数t，增加了训练过程中的时间复杂度，但在保持识别过程时间复杂度不变的同时，提高了算法的识别率。