随着计算机视觉应用技术的发展研究,视线追踪技术的应用也越来越多,在国内外都受到广泛关注。在对视线追踪的智能化应用研究中发现了如下问题:在实际的人机交互中操作者可能有多个的情况,需要实时的进行操作者选择,决定下一条指令的发出者,按其指令进行交互,消除单用户这一约束;面对普遍应用的手机平板等移动终端,它们屏幕相对小,位置变化大,交互过程就需要精准的判断操作者的指令。针对多操作者问题,首先是对摄像头所获取的图像进行预处理。采用优化后的双边滤波算法对图像进行滤波去噪处理,减少了噪声对图像的目标信息影响,何时保留了图像信息的边缘等主要信息。接着对图像运用直方图均衡化进行信息增强处理,将局部的直方图信息均衡化,使图像中的目标信息更加明显,便于收集处理。然后判断图像中的操作者信息,当是多操作者时需要对图像采用运动估计的算法进行深度处理，使其立体化标记出操作者的位置信息。最后根据深度图信息建立空间立体模型做出操作者选择。针对手机类移动终端的应用问题,首先是获取大量的用户操作图像,采集大量的用户在自然状态下操作某一点的各种状态信息,然后采用卷积神经网络和深度学习算法,并加入面部网格方法训练模型对图像信息进行学习,通过不断学习最后实现移动端的高效实时交互处理。结合图像的深度处理技术,可以对应用中多操作者的情况进行选择,消除了应用中需要单用户这一约束。针对移动终端加入面部网格方法后,误差范围降低了 0.14,提高了精度。