本文描述了二维特征提取算法(FCM)和对旋转不敏感的人眼定位算法。我们知道，人眼定位算法分为两个阶段，即人眼大致位置(eye window)的确定和人眼精确定位，在对人眼进行精确定位时，眼睛角部位置信息的提取是非常重要的。因此特征提取算法FCM是人眼定位算法的准备阶段。 本文首先描述的二维特征提取算法FCM(Featuer coding and mapping)，是一种基于灰度比较及特征编参政映射的提取算法。该算法的目的是对二维图像持征，包括角(corner)和边缘(edge)，进行准确的定位。为了实现上述目的，算法在已有的基于灰度比较的特征提取算法的基础上，对灰度比较的结果进行二进特征编码映射，将映射结果直接作为初始定位结果。由于特征编码映射是在一个较小的尺度下进行的，因此算法还需利用方向模板以及角特征确认过程对初始定位结果进地进一步扩展尺度的特征区分。从对算法进行的较为详细的性能测试及其它典型的基于灰度比较的特征定位算法(SUSAN,Morphological corner detector)进行的横向比较中，可以看出FCM在定位精度及稳定性等方面的表现令人满意，在速度方面则具较大的优势。同时，相对于传统的基于方向导数的特征检测算法，FCM具有基于灰度比较算法的固有优势，即定位准确、不易受到噪声的干扰。因此可以说FCM是一种比较适合于实时环境的二维特征提取算法。