在这个快速发展的信息时代，生物特征识别技术以其直观自然的优点，成为了目前热门的研究领域之一，人脸识别就是其中运用最为广泛的一项技术，这项技术拥有巨大的前景和市场价值。人脸检测与人眼定位是人脸识别过程中的关键技术，也是近年来模式识别、计算机视觉领域的热门研究课题。　　本文主要做的工作有两部分:第一部分是设计一个速度快，稳定性高的人脸检测系统;第二部分是在第一部分已经实现的人脸检测的基础上设计一个人眼定位算法。　　本文利用了多种分类器的融合:首先，在图像预处理部分，利用肤色在特定色彩空间中良好的的聚类性，构造肤色模型，将肤色区域提取出来，这样可以大大减少后续算法的计算量，并且提高整个系统的正确率;其次，使用AdaBoost算法在提取出的肤色区域中进行人脸检测，将检测结果在图像中标定出来;最后在检测出的人脸区域中进行人眼定位，使用序列最小优化算法训练支持向量机分类器，最终将人眼的精确位置在图像中标定出来。　　混合分类器的目的就是尽量选取各个分类器的优点，避开其缺点，从而使得整个系统更加快速有效。在人脸检测中，与单纯使用AdaBoost人脸检测算法相比，该混合分类器对人脸的检测速度有了较大提高，与单纯的使用肤色模型算法相比，该分类器在复杂背景条件下的误检率降低了很多。在人眼定位中，利用前文提取出的人脸区域，可以减少支持向量机分类器在背景上的检索时间，显著的降低了人眼定位的误检率。综合多方面因素，该方法比传统的单一分类器方法在识别正确率和速度上，都有了明显提高。