一个完整的人脸识别系统由人脸检测、眼睛定位、特征提取和人脸识别四部分组成。其中，眼睛定位主要用于人脸配准，定位的准确与否将直接影响特征提取的效果，是提高人脸识别准确率的关键所在。　　目前，存在一些眼睛定位的算法，如:基于先验规则的灰度投影法和人脸图像二值化方法，基于几何信息的模板匹配法，基于肤色信息的方法基于统计信息的支持向量机和人工神经网络，基于关联信息的概率网络模型和动态链接模型。但是，这些算法都具有较强的约束，需要适当光照、无遮挡物、无表情等条件，而且计算复杂度相对较高，难以达到实时性。　　本文总结了眼睛定位算法中存在的问题，采用了先定位后判断、再定位的“多次定位”的研究思路。按照这种思路，针对近红外和可见光，分别提出了不同的定位方法。本文还采取了逐步缩小的定位策略，加快了眼睛定位算法的运算速度，进一步提高了算法的准确度和鲁棒性。　　本文还探索了与结构模型相结合的定位方法。首先用支持向量机筛选出左眼、右眼以及鼻子的候选点，并分别给出相似的概率，然后把双眼和鼻子看成一个三角形，并计算边长、边长比值以及夹角，最后利用这个三角形的结构信息进行判断。这种思想接近于人的认知模式，适合解决复杂条件下的眼睛定位问题。　　最后，本文在人脸数据库上进行了测试。近红外定位算法在CASIANIR数据库上的定位准确率达到了96.63％，可见光定位算法在CAS-PEAL-R1数据库上的定位准确率达到了98.55％。