随着精神生活的日益丰富,人们对观看电影、电视剧的娱乐需求逐渐增加,以微电影、情景剧为代表的网络短视频也呈爆炸式增长。在这一环境下,预测观众在观看影视作品时视线聚焦的位置变得十分有意义,例如,对于广告公司来说,通过视频中的注视点分析,可以将广告产品在视频中的位置设定的更佳合理。依据观众是否提前知道影片的相关信息,观看方式可分为自由观看和视觉问答两种。现有的动态场景人眼注视点数据集几乎都不是针对影视作品的,缺少其独有的特效、长镜头等视觉因素,且大部分都是自由观看下采集的数据,没有考虑到提前给出被试者先验信息。我们的研究发现,现有的自由观看显著性模型在显著物体出现、消失或多个显著物体同时出现时预测结果不佳;而视觉问答数据集通常采集难度大、数据量小,现有的视觉问答模型难以适应小型数据集。针对以上问题,本文以影视作品的人眼注视点预测为研究对象,具体研究内容如下:（1）影视作品眼动数据集Video VFQE（Visual Free-viewing and Visual Questiondirected Eye-tracking Database for Videos）。我们从互联网采集动态刺激并设置对应的问题,分别在自由观看和视觉问答下开展眼动实验,经过数据筛选和处理,制作了包含自由观看和视觉问答两部分的数据集。通过对眼动数据的可视化,我们发现自由观看下物体对人类视觉系统具有导向性并分析了视频情绪对人类的影响,我们还揭示了视觉问答中被试者回答与注意力的关系。（2）自由观看下的影视作品人眼注视点预测模型Movie FV（Fixation Prediction Model for Movie in Free Viewing）。模型模仿了视觉过程,结合自顶向下和自底向上的注意力,共分为三个模块:视频帧时序信息模块,以CNN-LSTM框架为基础,负责提取视频帧的基础特征并通过conv LSTM建模时序特性;上下文信息提取模块,通过采用结合空洞卷积的Inception网络,多尺度地捕捉帧内全局和局部的上下文信息;显著图融合模块,是一个由VGG-16改造的决策性度量网络,用于度量两种显著图的重要性,生成融合权重。在自制数据集上,我们将本文模型与其他5种现有模型进行对比实验,实验结果表明,我们的模型预测结果更加准确。（3）视觉问答下的影视作品人眼注视点预测模型Movie VQA（Fixation Prediction Model for Movie in Visual Question Answering）。我们在编码器-选择记忆框架的基础上,设计了一种将视频通用特征和影视作品专用注意机制结合的模型。我们在特征提取器中增加了神经注意模块以模仿人类视觉注意机制,通过单独对神经注意模块微调,得到了适用于我们自制数据集的迁移学习模型。实验证明,在自制视觉问答数据集中,本文模型效果与其他3中现有模型相比,预测结果更好。