人脸是一种重要的生物特征，人脸检测和人脸检索可以应用在各种身份鉴别系统中。人脸检测属于模式识别研究的范畴，目前已有很多研究人员对其进行了深入地研究，并且取得了不错进展，特别是实验室条件下的人脸检测技术已经很成熟，但是检测正确率依然受到姿态，光照，表情的影响。而人脸检索的研究则严重落后于人脸检测的研究，人脸检索主要遇到以下两个问题:一、受人脸的姿态，拍摄角度，所处环境，分辨率的影响，人脸检索往往得不到很好的结果;二、对于大数据下的人脸检索，例如图像数据库达到百万级以上，检索时间和检索效果往往不可兼得。　　尺度不变特征转换(Scale-invariant feature transform，SIFT)，是近年来提出的一种图像特征提取方法，具有尺度不变性。本文利用SIFT特征的尺度不变性对不同姿态、光照、表情下的人脸检测和检索这一问题进行了研究:首先对图像进行基于SIFT特征的人脸检测，然后到人脸数据库中进行人脸检索。　　在人脸检测中，方法是先建立眼部SIFT特征库，然后利用特征库检测人眼，最后定位人脸。在建立眼部SIFT特征库时，引入了信息论中的信息熵理论，拒绝熵值较大的人眼特征（熵值越大，信息量越大，不确定性就越大），保留的特征被称为Informative SIFT(I-SIFT)特征。　　人脸检索可以认为是基于内容的图像检索的一个特例。本文使用SIFT特征结合局部敏感哈希（localitysensitive hash，LSH）算法作为在包含成千上万人脸图像库中进行人脸检索的解决方案。实验证明，LSH技术在用于高维空间检索时也能保持高效率。