随着计算机科学技术与产业的飞速发展,人机交互方式取得了长足的发展。由于响应速度块、操作方便的特点,视线跟踪技术在人机交互领域得到了大量应用。基于瞳孔角膜反射的视线跟踪方法是目前最为普遍的视线跟踪方法之一,本文在国内外研究基础上,针对头部运动过程中注视点估计精度较低的问题,提出一种头部运动结合视线跟踪的视线方向校准技术,可以有效提高在头部自由运动时注视点估计精度。本文主要完成以下工作:(1)面部检测。针对单一面部检测算法检测结果不理想的问题,本文采用Adaboost算法结合ASM算法对人脸进行检测与跟踪,减少了面部检测次数,提高了检测效率,实现了高效准确的面部检测。(2)针对交比不变性注视点估计精度较差的问题,本文提出了一种多点标定的动态参数校准方法对注视点估计结果进行校准。首先,将屏幕平均分为四个矩形区域,每个区域互不干涉,计算每个区域的最优校准参数,通过最优参数与其他标记点参数结合,近似计算该注视点的校准参数。然后动态的选取注视点所在区域的校准参数计算虚拟投影点,建立投影平面,最后通过交比不变性计算注视点坐标。该方法解决了瞳孔中心与普尔钦斑不在同一个平面导致的注视点估计结果偏移问题。(3)针对交比不变性注视点估计在头部运动时检测到的注视点与实际注视点差别较大的问题,本文采用头部空间姿态补偿的方法减小头部运动对视线跟踪的影响。首先,采用POSIT算法获取头部姿态信息,然后综合头动信息和眼动信息并根据头眼运动的实际情况,确定了注视点位置。最后把实际注视点转换为屏幕坐标。该方法建立了与位置无关的视线跟踪模型,用户可以随意移动而不影响视线跟踪精度,实现了头眼协调运动的视线跟踪。本文通过对8名测试人员进行精度测试实验,分别对头部相对静止与头部自由运动情境下的注视点估计结果进行实验验证,头部相对静止时采用传统方法注视点估计结果与本文提出的动态参数校准方法的注视点估计结果对比,分析各自的平均误差;头部自由运动时通过对传统方法获取的注视点估计结果与本文的头部补偿获取的注视点结果进行比较,分析各自的平均误差。实验结果表明,头部相对静止时注视点估计精度由2.8°提高到了1.1°,误差范围缩小了35.2%,头部运动时注视点估计精度由4.1°提高到了1.7°,误差范围缩小了58.2%。通过实验结果分析,本文的视线方向校准技术提高了头部自由运动的注视点计算精度,证实了本文方法的有效性。