随着社会的发展和科技的创新,计算机科学和生物医学两个交叉学科逐渐成为科研领域中主要的研究方向,其中眼动人机控件接口技术成为人们讨论和研究的热点。视线追踪属于眼动人机控件接口技术中的关键技术,此技术常用于眼动输入法、虚拟现实、网页分析、疲劳驾驶、军事科技以及医疗辅助和医疗疾病研究等领域。目前有关眼动人机控件接口技术中在视线追踪方面主.要存在两个问题:一是需要昂贵的穿戴设备和额外的红外光源。二是头部运动对视线预测影响很大。针对目前存在的问题,本文提出在自然光下使用普通摄像头,通过采集人脸和人眼的特征,使用神经网络技术建立人眼到设备屏幕之间的视线映射模型。本文主要研究以下内容:(1)提取人脸和人眼特征值。本文使用Haar特征和Adaboost算法对人脸进行检测和定位,然后通过ASM算法提取人脸特征点,从而获得两只眼睛的内眼角点、鼻子以及嘴部特征。在获取人脸区域的基础上,根据人眼在人脸特定的分布位置提取人眼感兴趣区域。最后使用数字图像处理技术对人眼感兴趣进行处理,从而提取瞳孔特征。(2)建立人机视线模型。在设备屏幕上设定标定点,然后用眼睛看不同标定点的位置,接着记录和分析视线在眼动模型上预测的数据。当头部不动时,将瞳孔中心和眼睛内眼角点特征的矢量参数代入静态映射模型进行视线点预估。然而,当头部不受约束时,此模型预估的效果非常差,为了弥补因头部运动而产生的视点误差,本文提出使用神经网络技术建立视线落角点补偿模型。人脸不同部位的特征点变化间接地体现了头部运动信息,因此本文将人脸特征作为神经网络的输入数据,视点误差作为输出数据。通过不断训练神经网络模型,建立动态的视线补偿模型,通过实验对比,视线预估的准确率有很大的提高。(3)眼动控制应用。将视线预估模型与鼠标相结合,使用视线点的预估代替鼠标的移动,通过眨眼代替鼠标单击事件,本文根据人眼特征点提出一种新的眨眼算法,并将其应用在公共数据集上测试,通过实验验证取得良好的效果。最后将此技术应用在不同软件上,从而证实了本方法的有效性。