人脸检测的作用是用来判定图像或视频序列中是否存在人脸,若存在则给出人脸的大小和位置；随后的特征点定位是用来获得人脸显著特征,例如眼睛、鼻子和嘴巴等这些特征的位置；再根据定位后的特征点归一化人脸；最后利用归一化后的人脸与数据库中的数据进行比较,获悉识别人的身份。本文的主要工作为提出了基于三庭五眼的优化分块LBP描述子,改进了基于ROI灰度投影的人眼定位算法,并将保持宽高比的缩放算法应用于人脸归一化过程中。为了使LBP描述子能够提供更多的信息而被提出的分块LBP描述子,可以提供更多的人脸特征信息,遗憾的是分块LBP也提供了部分冗余信息,这些冗余信息大大的降低了计算效率。为此,本文提出了一种基于三庭五眼的分块LBP描述子。这种优化后的分块方法可以将人脸有效特征区域分离,并抛弃因表情变化较大而对识别率有很大影响的嘴部部分以及其他非特征区域。这样既可以很好的提高有效特征维数,又不至于使特征维数过大。这种方法可以直接提取出人的眼睛、鼻子这些重要人脸特征,同时也最大程度的降低特征维数从而提高了计算效率。改进的基于ROI灰度投影的人眼定位算法充分利用了人脸五官特征的规律,通过简单而有效的运算实现了人眼的快速准确定位,这种算法是针对其他与人眼相比灰度值较低的干扰而提出的优化算法,可以有效的去除了这些干扰,使得眼睛定位算法更加鲁棒。归一化是人脸识别的又一个重要环节,本文在人脸归一化过程中加入了保持宽高比一定的缩放方式,使得人脸在最大程度上的保持了人脸的原始状态,为保证人脸识别的准确率打好了基础。