视线代表一个人的注意力方向,而视线追踪技术则是一种用于计算人视线方向的技术。视线追踪在交互、医学诊断等领域等都有着很好的应用前景,例如通过人眼对计算机的操控实现新型的人机交互,深层次的研究眼动有助于眼部疾病诊断,实现注意力分析用于工业商业等。按照是否对用户造成干扰,视线追踪技术可分为接触式和非接触式两类,非接触式视线追踪技术由于更加符合人们需求而备受关注。虽然基于瞳孔角膜反射的视线追踪技术目前已经取得了较好的研究成果,但是对其中一些关键问题仍然具有很大的改进空间。本文主要研究成果如下:提出一种新的人眼区域定位方法,该方法结合K-Means聚类以及霍夫变换算法实现对人眼的虹膜区域定位,以此来实现人眼区域定位。因为注视点计算所需的所有参数特征均位于虹膜区域内,虹膜定位可以在去除人眼周围的睫毛、眉毛等干扰因素的前提下确保在定位的区域内准确提取人眼特征点。采用基于灰度特征的方法进行普尔钦斑提取。在普尔钦斑提取过程中采用自适应阈值的方法对图像进行分割,结合几何特征实现光源与普尔钦斑的一一匹配。跟传统方法相比,自适应阈值的图像分割能够保证光斑不遗漏,而基于几何特征则能保证光斑与光源的精确匹配。采用一维边缘检测算子进行瞳孔边缘边界点检测,并采用最小二乘循环椭圆拟合进行瞳孔拟合,减小了图像噪声点对椭圆拟合准确率的影响。针对交比模型的两大假设,提出一种动态自适应校准算法,将屏幕分成n*n个子区域,对每个子区域分别计算1对映射参数,每位用户提取2个参数矩阵,当前参数是从矩阵中动态实时地获取的最优参数值,方法在避免传统方法整体偏移的同时,提高了系统局部精度。为验证本文提出的方法,分别进行了一组精度测试实验和两组应用实验。在本文的研究条件下,通过精度测试实验,注视点距离误差能收敛到20像素左右;另两组是应用实验,其中一组实验利用人眼控制进行文本输入,而另外一组则通过视线追踪对人的注意力进行检测分析,验证了本文所研究技术的应用潜力。