视线跟踪技术是计算机视觉领域中的重要课题,伴随着高性能图像采集和计算设备的出现以及图像处理分析的相关算法的不断涌现,视线跟踪技术已经逐渐走入我们日常生活中的各个领域。将视线跟踪技术用于人机交互领域中,不仅可以改变传统的人机交互模式,给用户带来全新、高效的使用体验,还可以给四肢行动存在障碍的用户带来极大的方便。然而,传统的视线跟踪技术往往要依靠眼动跟踪仪等其他的硬件设备,不仅造价昂贵,还会给使用者带来一定的不便。本课题以使用iPhone手机过程中的人机交互为例,尝试将深度学习技术应用于视线跟踪任务中,使得用户可以不借助眼动跟踪仪等其他的硬件设备,仅依靠手机前置摄像头拍摄到的用户操作手机照片的图片,利用纯软件的方式预测用户视线在手机屏幕上的聚焦位置,从而实现用眼睛代替手指进行触屏操作。首先,本文介绍了卷积神经网络的基本理论。卷积神经网络由标准神经网络演变而来,采用卷积运算实现层间连接,可以显著降低计算成本,满足信号局部特征提取的要求,在计算机视觉领域获得了广泛的应用。其次,综合考虑实时性和准确性因素,采用方向梯度直方图特征和级联的梯度提升回归树算法进行用户人脸和人眼的分割定位以及眨眼检测,完成眨眼检测、人脸检测与人眼定位模块的设计,为视线聚焦点预测提供输入信息。再次,采用深度卷积神经网络进行视线聚焦点模块的设计。本课题中,我们分别尝试了多输入基于回归的视线聚焦点预测方法,多输入基于分类的视线聚焦点预测方法和单输入端到端的视线聚焦点预测方法。网络结构方面分别采用了基于AlexNet的网络架构和带有batchNormalization的残差神经网络架构,可以比较准确、快速的预测出用户视线在手机屏幕上的聚焦位置,从而在理论上实现眼睛代替手指进行手机触屏的功能。最后,对本课题中尝试过的视线跟踪预测方法的实时性和准确性进行比较,并讨论了提升算法性能的策略。