本文首先介绍了研究、应用视线跟踪技术的背景和必要性,回顾了视线跟踪技术在国内外的发展历程,同时简要叙述了目前主要的视线跟踪技术及其原理,并比较了这些技术的优缺点。然后由于准确定位和跟踪瞳孔是视线跟踪系统能够稳定工作非常关键的一步,因此本文特别针对戴眼镜时定位瞳孔困难的特点,提出了一种强鲁棒性的瞳孔实时检测和跟踪算法。该算法基于亮暗瞳技术,首先通过采集得到亮瞳和暗瞳图像,然后将这两幅图像分别逆二值化。接着过滤掉暗瞳逆二值化图像中不可能为瞳孔的区域,再将逆二值化后的暗瞳和亮瞳图像差分,最后在二值化的差分图像中对瞳孔进行粗定位。之后根据粗定位的瞳孔中心在暗瞳中选取感兴趣区域,然后在感兴趣区域中进行椭圆拟合和计算瞳孔中心以及光斑中心。此外,图像二值化阈值选取的好坏直接影响着后面目标特征的提取,而传统的图像二值化方法非常容易受阈值的影响,从而使得应用范围受到限制。因此,本文基于opencv中的自适应阈值分割方法,统计了图像中脸部眼睛周围区域的灰度均值和该函数最后一个参数的关系。最后每次分割暗瞳图像时,自适应阈值二值化函数的最后一个参数能够随着眼睛周围的平均灰度大小不同而改变。通过大量实验证明,该算法不仅在理想情况下运行稳定,而且在复杂的情况下,比如戴上眼镜后即使镜片镜架上存在类瞳孔的光斑以及改变光照或者改变人脸部距离相机距离,该算法依然能够很好的检测和跟踪瞳孔。最后在PC机中进行系统实现与性能测试。系统包括硬件平台和软件实现两个部分。其中硬件平台主要由USB3.0双路图像采集卡、相机、红外光源以及PC机组成。软件部分分为采集模块和应用程序模块,主要完成图像特征点提取和求解视线落点功能。通过实验,得出实验室单相机单光源系统的误差为0.8度左右。