随着人口老龄化社会的发展,老年人和失能人士的护理需求越来越多。而现阶段专业的护理人员短缺,家庭和社会面临着巨大的护理压力。近年来,服务机器人逐渐应用于家庭生活,辅助老年人完成日常活动,改善老年人的生活质量。机器人能够主动地识别人类的意图,是实现自然高效的人机交互的关键。现有的意图识别方法常使用语音、手势或肢体接触等人机交互方式,但由于老年人和失能人士存在语言、行为或动作表达能力下降的问题,人机交互效率低且意图识别存在困难。眼动是一种高效的人机交互方式,能够减轻老年人的身体和心理负担。因此,本文提出了一种基于眼动信息的老年人日常生活意图识别框架,通过分析眼动特征,检测有意图的眼动,获取有意图注视的物体信息,根据有意图注视的物体,基于概率模型实现意图的识别。本文具体的研究内容如下:首先,本文构建了一个家庭厨房场景中的眼动特征数据集（Eye Movement Features,EMF）,使用眼动追踪仪Tobii Eyetracker 5获取用户注视人机交互界面的时间和位置信息,选取注视时长、注视次数、注视间隔和视线移动速度四种眼动特征,基于支持向量机分类器将眼动行为分类为有意图的眼动和无意图的眼动,实现有无意图眼动的检测。本文在收集的眼动特征数据集EMF上进行了对比实验,验证了基于SVM的意图眼动检测模型的有效性。其次,本文基于朴素贝叶斯模型建立了用户注视物体和意图的概率模型,识别家庭厨房场景中的四种意图。构建了包含14个常用厨房物体与四种意图的物体-意图数据集OIntention4,基于朴素贝叶斯模型计算物体与意图之间的关联概率关系,基于用户注视的物体序列,计算其对应每种意图的概率值,将概率最大的意图作为用户意图,并通过实验,验证了基于朴素贝叶斯模型的意图识别方法的准确性。最后,本文提出了基于隐马尔可夫模型的意图识别算法,设置厨房场景下物体的不同功能,构建了包含14个物体与八种动作意图的物体-意图序列数据集SOIntention8。针对意图具有随机可变和相互关联性的特点,本文基于隐马尔科夫模型对物体序列和意图序列进行建模,将人们意图注视的物体序列作为观测序列,待识别的意图序列作为状态序列,基于最大似然法估计隐马尔可夫模型参数,利用维特比算法实现意图的识别。在物体-意图序列数据集SOIntention8上进行了实验,验证了基于隐马尔科夫模型的意图识别算法的有效性。