人眼检测是虹膜识别、人脸识别、人眼状态估计、疲劳驾驶检测、眼动跟踪等技术的必要步骤,近年来它是计算机视觉与模式识别的一个研究热点,具有重要的学术研究价值。随着人工智能的迅速发展,人眼检测的应用前景越来越广泛,包括心理学、视频监控、虚拟现实、增强现实、人机交互等。人眼检测常受到光照变化、人眼附属物或遮挡、复杂的背景等因素的影响,因此,研究提取什么样的特征既能够尽量降低以上不利因素所带来的影响、又能够保证实时高效的检测速度,具有极其重要的意义。本论文主要针对在光照变化、佩戴眼镜、闭眼、眼镜眩光遮挡等因素的影响下的实时高效的人眼检测问题,所做的创新性研究成果包括以下几个方面:(1)为了能够快速准确定位人眼,提出了一种改进的局部特征描述子:多尺度局部块LBP直方图特征。此特征计算速度快,具有较强地描述人眼图像局部特征的能力,尤其适合训练基于连续AdaBoost算法的级联分类器;(2)提出了一种基于多尺度局部块LBP直方图特征的人眼检测算法。首先将作为训练样本的人眼图像进行大小归一化预处理,然后提取多尺度局部块LBP直方图特征来表述人眼,并利用连续AdaBoost算法训练级联分类器,最后得到的分类器能够在归一化后人脸图像中检测出人眼区域;(3)在基于多尺度局部块LBP直方图特征的人眼检测算法上进行拓展,提出了一种融合多尺度局部块LBP直方图与Co-HOG特征的人眼检测算法。Co-HOG特征更加细化地表达了人眼图像形状的信息,同时在光照变化和形变下具有强鲁棒性。本文在公用的人脸数据库上进行了广泛的实验,实验结果表明:本文提出的基于局部特征的人眼检测算法明显优于其他最优的方法,其具有精度高、检测速度快、以及鲁棒性强的优点。