随着科学技术的迅猛发展和人们生活水平日益提高,新型人机交互技术受到了越来越多的关注。眼控技术解放了人的双手,开发并推广这种新型技术,能够极大地丰富正常人的娱乐生活。本文着重研究了从低分辨率图片中检测瞳孔中心的方法,将Haar分类器、图像形态学处理和指数均值滤波等方法融合起来,开发了一套低廉稳定的眼控系统,取得了有价值的成果。本文主要研究内容有人脸眼睛检测识别、眼睛参数计算以及时间序列滤波、界面设计与系统分析。在实时检测人脸和人眼中,通过对多种人脸检测算法和工具的比较,利用OpenCv工具箱Haar分类器定位人脸位置,然后利用五官位置与比例关系,缩小范围后识别人眼位置。该方法实时性好,对环境光照不敏感,对使用者坐姿要求比较随意。测试显示,使用者姿势端正坐在屏幕前60厘米左右时,人脸检测率可达99.99%,眼睛检测率92%以上,每帧检测时间在39到45毫秒之间。在眼睛参数计算中,提出了瞳孔向量和眼睛高度两个眼睛参数。将眼睛图像灰度化并二值化后的图像,用Floodfill算法找到虹膜瞳孔所在的最大连通区域,从而计算眼睛参数。算法实时性好,定位精度高,可以减少眨眼的影响,对不同个体有很强的适应性。在时间参数滤波中,提出了适用于实时参数平均的指数加权平均方法。通过对临近时间的眼睛参数进行剔除和排序后,用以1/2为底的指数对选择后的数据进行加权平均的结果,作为判断操作者眼睛移动的方向标准。鲁棒性高,能够减少头动带来的不利影响。在界面设计中,设计了用于眼控的上下左右四种按键。MFC界面包含了瞳孔中心位置、按键位置和一些重要参数。此设计能够实时显示提取出的眼部图像、眼控系统重要参数、系统设置等信息,能够方便使用者掌握眼控系统运行状况。在系统分析中,设计了多个小游戏来测试系统的稳定性、准确性和效率。实验结果显示,在使用者在正常光照条件下,端正坐姿使用时,该眼控系统每秒按键1次,眼睛控制左右按键准确率可达90%以上,上下按键70%以上,上下左右按键约为80%。在用户按键频率要求不高时,该眼控系统的实时性和准确性可以满足实用的要求。