近年来,随着科学的发展和技术的进步,注视点定位技术得到广大研究人员的重视。人眼视线投射在空间中的三维位置叫注视点。注视点包含着人类感知客观世界的大量信息,如情感变化,注意力等方面。能够准确地估计注视点位置是获取这些信息的关键。在常见的基于图像的二维注视点定位算法中,注视点定位的准确性很大程度上受头部姿态的影响。所以,本文从提高注视点估计准确性的角度出发,将复杂头部姿态表示为三维姿态角进行估计,并提出结合头部姿态角度补偿的注视点估计算法。主要内容如下:第一,头部姿态的估计主要由主动外观模型和比例正交投影迭代变换算法两部分组成。首先,本文采用基于模型的主动外观模型算法对2D图像集上的人脸特征点进行训练,拟合。该算法在模型的拟合过程中对人脸部位的特征点位置的进行实时定位跟踪。其次,在人体头部三维刚性模型上取点,选择与主动外观模型人脸特征点对应位置的等效3D点。通过比例正交投影迭代变换算法对人体头部模型进行姿态估计。第二,采用深度学习技术,利用卷积神经网络的卷积核、权值共享、下采样等特点,对人脸图像进行由低层到高层特征学习,通过激活函数优化头部姿态网络输出,通过多次反馈计算,减小网络误差。该算法的训练结果有效降低了姿态角度的误差,并在表情,光照等环境下具有较强鲁棒性。第三,在获取头部姿态后,在红外光源环境下,采用瞳孔中心角膜反射方法进行注视点估计,加入头部姿态参数进行矫正补偿。最后通过实验对比加入补偿算法前后的准确度。实验表明,算法能够较为准确地估计出头部姿态,加入补偿算法后,注视点估计精度明显提高,能够满足视线追踪系统对注视点定位精度的要求。