生物特征识别是目前大规模安防项目中炙手可热的安防手段，其中人面部识别是在大规模安防中使用最广、最有效的方法之一。利用近红外技术获取的图像重点突出，但在实际应用中，利用近红外技术对人面部识别会遇到一些现实问题。眼镜反射高光是其中之一，人面部识别的精确度和识别速度受到一定影响。本文主要在近红外人面部识别环境下，分析了眼镜问题对近红外人面部识别的影响，提出了解决方法并设计了实验使其得以实现。本文首先对生物特征识别和近红外图片的特点进行了介绍，然后对目前比较热点的面部识别问题进行介绍。设计了辅助实验的手工标定眼睛坐标和利用该坐标进行人面部归一化的软件，利用这两个软件对实验样本图片进行预处理。按着比例得到了大小一致的人面部样本图片。在提升算法方面，采用了目前比较流行的Adapt Boosting，即Adaboost算法。为了减少训练时间和检测时间，在分析了Cascade结构后，根据本实验的特点，提出了同时抛弃负样本和正样本的Cascade结构，该结构增大了AdaBoost算法训练弱分类器时对前一层临界样本的权重值，使得每一层更加关注临界样本，并减少了寻找特征时的误差计算量，达到了大大缩短训练时间的目的。在使用特征方面，根据本实验的特点，针对Haar特征的不足有选择性地加入了Gabor实部特征和Gabor模特征作为备选特征。实验结果表明，该特征使用不仅提升了近红外人面部图像中眼镜查找的识别率，且避免了同等作用的特征重复选取，从侧面提升了备选特征的效率，降低了训练时间。在对反射高光遮挡眼睛的问题进行细致分析后，对该问题进行总结，并将其细化分为两类，即反射高光半遮挡眼睛情况和反射高光全遮挡眼睛情况。利用准确识别出眼镜范围，提出了针对眼睛反射高光影响眼睛标定问题的新思路和解决方法，该方法无需去除眼镜就可以准确标定人面部图像的眼睛坐标，为人面部识别系统提高识别率提供了支持。