作为五官中获取信息最丰富的器官,眼睛是人们生活与工作中外界信息进入大脑的最主要的通道之一。眼动轨迹测量与行为识别在各方面都有非常广阔的应用前景,包括国防军事、助残与医疗研究、人机交互、体感游戏、日常生活等各个领域。近年来,在计算机视觉以及模式识别领域中,对眼动的研究越来越热门。将该技术应用于人机交互系统可以帮助人们实现更多样化的交互方式,同时解放用户的双手。过去的研究中,视线追踪领域大多处理专业设备采集的高分辨率眼部图像,因此在许多普通的场景下,研究结果无法很好地进行应用,基于单目摄像头进行的视线追踪的学术研究还值得更多探讨。本文主要成果如下:1)本文对单目摄像头采集到的图像进行预处理,包括图像滤波与图像增强。之后采用Adaboost算法对图像进行人脸与人眼识别,提取人眼区域。为了精确地定位人眼,本文针对佩戴眼镜的人群提出了一种基于主动形状模型的方法提取眼镜;对未佩戴眼镜人群,增加眼球位置粗定位的步骤,较精确地得到眼球所在区域,提高了后续人眼中心定位的准确度。2)本文分别采用改进的霍夫圆检测、最小二乘椭圆拟合以及改进的基于曲率信息检测眼球中心的方法对人眼中心进行定位。精确地得到了人眼图像中眼球中心的位置坐标。3)本文将前文获取的精确眼球中心坐标作为视线追踪的输入信息。采用kNN与SVM算法对视线轨迹进行分类与识别。并对眼睛的闭眼、眨眼行为进行检测。识别与检测的结果可以作为输出信号应用于各种实际场景。本文提出的眼镜提取算法可以较准确地获取眼镜,该算法也适合解决其他提取眼镜的实际应用中。基于单目摄像头的人眼中心定位及轨迹识别可以准确有效地定位人眼中心,并对不同的眼动轨迹与行为进行识别。本系统是对已有的跟踪系统的完善,轨迹识别的结果可在各种应用场合下发挥应用价值。