从上世纪70年代以来,计算机视觉一直处于飞速发展之中,特别是在进入21世纪以后,随着计算机性能的不断提升和数字图像获取的廉价化,这一领域的发展尤为迅速。在计算机视觉领域中,人眼的检测与跟踪一直是受研究者广泛关注的研究方向。眼睛作为人脸表情的重要特征,对人眼的跟踪与状态识别有助于计算机识别与理解人脸表情,对情感计算的研究具有重要的推动作用。本文以视频序列中的眼睛为研究对象,以动态物体的跟踪与识别算法为主要研究目的,对人眼的运动跟踪以及人眼的状态分析进行了较深入的研究。针对现有人眼跟踪与识别算法存在的问题,本文提出了基于模板匹配和图像金字塔Lucas-Kanade相结合的人眼跟踪与识别算法。论文的主要工作如下:(1)人脸检测和眼睛区域粗定位。本文采用基于类Haar特征和Adaboost的人脸检测算法,并且根据人脸几何特征的先验知识粗定位眼睛区域,减少后续模板匹配算法的搜索区域。(2)眼睛的识别与跟踪。传统的运动物体跟踪方法中,模板匹配方法最直接,应用最广泛,操作也简单,但是它存在着计算量大,效率低等问题。而基于图像金字塔的Lucas-Kanade算法能够有效的提高计算速度,但是它并不能有效的定位图像初始帧中的目标跟踪点。所以我们结合二者的优点,利用模板匹配算法找出初始图像序列中的眼睛,然后利用PLK方法对眼睛进行跟踪。(3)眼睛状态的识别。对于每一个跟踪到的眼睛区域,利用最大类间方差法选取阈值对眼睛区域进行二值化,并根据灰度积分投影方法,对眼睛区域做灰度垂直积分投影,根据投影曲线确定眼睛的状态。(4)基于以上研究构建自动人眼跟踪识别系统,并对实验结果进行分析。总结本文提出方法的优点和有待进一步改进的方向,为以后的研究奠定了良好的基础。