人眼独特的几何、光学和运动特性将为人脸检测、识别和人面部表情的理解提供重要的视觉线索。对于人机交互、更精致的人机界面和了解人类的情感状态等的发展，鲁棒的并且具有非侵入性的人眼检测和跟踪具有很重要的作用。视线跟踪技术是机器视觉领域的新课题，在人机交互、人眼疾病诊断和人类行为学习等都有着广泛的发展前景。　　 本文针对视线跟踪中的一些关键技术及难点展开研究，首先对于视线跟踪中的人眼检测，本文实现了基于Adaboost算法的人眼状态检测方法；然后针对桌面式视线跟踪系统中的圆形瞳孔定位和头戴式视线跟踪系统中的椭圆瞳孔定位，本文分别提出了新颖的定位算法；最后在深入调研现有主要视线跟踪技术的基础上，提出了一种3D桌面式视线跟踪系统的设计。主要研究成果如下：　　 1、人眼检测作为对视线跟踪中拍摄到的眼部图像预处理的一个关键步骤，包括对检测眼睛的睁闭状态和判断拍摄到图像中是否有眼睛，有效的人眼检测和定位能够提高视线跟踪的最终精度。本文实现了一种基于Adaboost算法的视线跟踪中对人眼状态进行检测和定位的方法，AdaBoost学习方法根据选取的训练样本集训练出一个弱分类器，然后把在不同训练样本集上训练好的弱分类器按照一定的规则结合起来，构成一个强分类器，最后将许多强分类器级联构成一个有效的人眼检测分类器。在标准人脸库和实际视线跟踪系统中的人眼检测实验结果表明，本文实现的方法能够实时准确地对人眼进行状态检测和定位。　　 2、瞳孔的定位是视线跟踪中非常重要的一个环节，之前的研究表明，当图像质量比较好时，瞳孔定位算法会有比较好的表现，然而，当瞳孔图像受到眼睑、睫毛和光斑等干扰严重时，算法的鲁棒性和准确性会显著下降。本文提出了一种基于改进的径向对称和改进的圆周差分算子的新颖的瞳孔定位算法：首先，一种改进的径向对称变换可以得到瞳孔区域的粗略位置；然后，一种增强的圆周差分算子能够得到瞳孔的精确定位。实验结果表明，与之前的瞳孔定位算法相比，本文提出的算法对于眼睑、睫毛和光斑等的干扰具有更好的准确性和鲁棒性，而且由于采取了这种由粗到精的瞳孔定位策略，算法能够具有很好的实时性。　　 3、在视线跟踪过程中，瞳孔经常会呈现出椭圆形，导致传统的圆周定位算法失效，并且现有的瞳孔定位算法精度很容易受到眼睑、睫毛和光斑的干扰。基于此，本文在之前工作的基础上提出一种基于改进的椭圆差分(ED)和粒子群算法(PSO)的瞳孔定位算法，并利用头戴式视线跟踪系统标定信息来限定PSO算法的参数边界范围。椭圆差分能有效的避免睫毛、眼睑等的干扰，同时为了提高椭圆差分算子的速度，引入了粒子群算法进行瞳孔定位，并利用标定过程得到的先验信息来限定椭圆参数的边界范围，满足快速实时定位瞳孔的要求。实验证明，该算法应用于头戴式视线跟踪系统中对椭圆瞳孔定位效果很好，尤其是在眼部图像受到光斑、睫毛、眼睑等干扰严重时，算法仍然具有较强的鲁棒性和准确性，并且算法具有较快的瞳孔定位速度，可以满足视线跟踪的实时要求。　　 4、本文提出一种3D桌面式视线跟踪系统的设计方案，从硬件架构到软件设计上使得提高视线跟踪系统具有更好的复杂性和友好性。