针对目前视线追踪系统发展受限于成本高和组成复杂等因素,研究了一种基于单个网络摄像头的低成本视线追踪系统。系统硬件采用电脑集成的单个低成本网络摄像头,摄像头可以采集640×480或320×240像素的RGB图像。软件部分主要包括眼睛实时定位模块、特征检测与跟踪模块、动态标定模块三部分。在眼睛实时定位算法研究中,提出了一种Adaboost算法和主动表观模型的融合算法,实现了人脸66个特征点的检测,即眼睛的准确定位;通过光流法实时追踪特征点,解决了实时定位眼睛位置困难的问题,从而解决了视线追踪系统中眼睛定位的实时性和鲁棒性较差的问题。在特征检测与追踪模块中,采用梯度向量法检测低像素眼睛图像的虹膜中心,主动表观模型算法检测内眼角位置和头部三维参数,解决了低像素图像的虹膜中心检测较为困难的问题。在动态标定模块研究中,提出了一种基于人工神经网络的动态标定算法,将人工神经网络应用到视线追踪系统的标定过程中,解决了每次运行前都需要进行标定以及误差矫正算法较复杂的问题。实验表明,所开发的低成本视线追踪系统不仅具有很好的鲁棒性,而且具有较高精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°。与现有同类视线追踪系统比较,所开发的系统具有组成简单、成本低的特点,特别是所提出的动态标定算法,提高了系统对头部运动追踪的鲁棒性。