计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄像机和电脑实现人眼对目标进行识别、跟踪和测量的功能。随着计算机和电子产品的普及和其性能的不断提高,越来越多的人致力于计算机视觉领域的研究。基于人眼检测的视线跟踪技术已广泛的应用到驾驶员疲劳检测、残疾人生活及娱乐交互、视觉游戏等领域。本文介绍了视频图像序列中人眼视线跟踪的相关原理及方法,对动态人脸跟踪、眼睛注视点标定作了深入研究,提出了更适合视频图像人眼视线跟踪的算法,并结合OpenCV开源代码,以VC++6.0为平台建立了一个以视线作为输入信号的简易人机交互系统。对于人脸及人眼的检测,本文采用的是基于支持向量机的机器学习方法。为了提高人脸跟踪速度,引入基于肤色模型的自适应均值偏移(Camshift)跟踪算法对后续帧进行人脸的跟踪,针对Camshift算法易受场景中类肤色影响的问题,文中提出了改进算法,即在Camshift算法加入模板匹配达到消除类肤色区域的干扰的目的。实验证明,改进算法的实时性及抗干扰能力都优于原算法,实现了复杂场景中人脸准确、快速跟踪。在实现眼睛定位和跟踪的基础上,本文采用了基于霍夫(Hough)变换的圆检测方法实现眼部图像中虹膜的定位,并获得到虹膜中心在视频窗口坐标系中的坐标。对于虹膜中心坐标到视线注视点之间的映射标定,文章提出了基于支持向量回归机的视线标定方法,摒弃了传统的多项式标定,解决了小样本条件下映射关系可能存在的过拟合和欠拟合的问题,提高了视线标定的精度。基于本文所述方法开发的人机交互系统,实现了实时人眼视线跟踪,并且利用检测到的视线信息进行人机交互。该系统对硬件没有过高要求,能适应一定的光照变化和头部轻微的旋转和俯仰变化,具有很好的鲁棒性。该系统与目前主流的视线跟踪系统相比它的优势在于具有低成本高效率的特点。