眼神是人类社会交往中常用的交流方式之一,目前已有大量的研究人员将眼神交流应用于实践中,如视线追踪、驾驶员分心检测、自闭症检测等等。使用计算机识别人类眼神是一个充满挑战且具有较高应用价值的研究,但目前已有的方法仍受较多环境因素的约束,如距离、姿态、光照。因此,本文出了一种基于卷积神经网络的视线回归方法,以实现一个鲁棒的眼神交流检测系统。本文的系统不需要额外的硬件以及人工校准调试,它主要由四个阶段构成:获取人脸图像、数据增广、训练视线回归模型和眼神交流检测。首先,在哥伦比亚注视数据集上训练了两个模型:视线方向回归模型(VHModel)和基于随机森林的二元检测模型。VHModel基于Res Net-50训练而成,首先输入预处理过的眼睛图像,从而训练回归得到表示视线方向的两个关键参数:垂直注视方向V、水平注视方向H。随后,将所得的V和H以及对应的视线交互与否的标签,输入到基于随机森林的二元分类器中,从而学习判断是否有眼神交流。本系统在哥伦比亚测试集取得的MCC值为0.92,这远高于其他对比方法。同时,为了进一步证明本文系统的泛化能力,本文自建了一个正负样本均衡的眼神交流数据集,该数据集包含了约2200张室内生活场景中的人物图像。在采集图像时,其中的个体、背景、姿态均有着不同程度的差异性,如戴眼镜与否、距离改变、头部姿态变化等等,以便更好地评估系统的鲁棒性。本文系统在该自建数据集上的准确率达0.80,F1分数也达到了0.77。最后,结合实际需求,本文成功使机器人接收眼神指令并作出一系列反应,并且实现了一个根据眼神来拍照的触发器。本文的主要贡献如以下三点:首先,出了一种基于卷积神经网络的眼神交流检测方法,且该方法对应系统表现明显优于其他现有方法,对光照、距离和头部姿态等方面表现出了较强的鲁棒性。其次,为了验证系统的泛化能力,本文还自建了一个二分类的眼神交流检测数据集;该数据集在自然的室内环境中采集,可以用于一般的视线相关研究和评估。最后,本文还将系统与实际相结合,实现了眼神指示机器人操作以及一个拍照触发器的应用。