人类眼球所处的状态和运动轨迹称为眼动信息,眼球运动的信息与人类心理、行为特征都有紧密关联,能实时地反映人类的心理变化及意识倾向。目前最为常见的是基于PC机的眼动检测方法,配合固定头部的支架和检测设备,不仅积庞大,限制其应用的场合,被测者的不适感也较大。近年来在国内开发的头盔式眼动识别系统使用了红外光源和传感器,对人体有一定伤害,且存在速度和精度的不足。本文对基于智能相机的眼动识别系统和检测算法进行了研究和设计。深入分析了眼动识别技术的发展及各种眼动检测系统的检测原理与特点,提出了一种基于智能相机的非接触式实时眼动识别系统,嵌入式系统出色的计算能力较好兼顾了速度和精度,满足实时性的需求,体积小便于携带,并具有良好的安全性、准确性和可靠性,有广泛的应用前景。首先,根据眼动识别系统的检测要求设计系统构架,对智能相机、图像传感器和人机交互设备进行选型。根据眼动识别中的难点,针对性地制定应对方案,并确定软件开发平台。其次,对用于眼动识别的匹配算法进行研究。为了适应于自然光线下进行检测,使眼部特征区域与其他区域之间有足够的灰度差区别,本文通过在检测前根据环境对图像传感器进行初始化,以及在眼动识别检测过程中实时地调节光圈、曝光时间等参数,以此来保证获取的图像有足够的对比度、亮度、鲁棒性。在实时眼动识别算法研究中,提出基于多次模板匹配的识别方法,构造顺次降低分辨率的图像,对低分辨率图像采用快速相关系数匹配法粗略地确定匹配区域,将该匹配区域通过坐标变换转换为上一层感兴趣区域再进行匹配,对最下层图像采用优化的最小二乘匹配算法,能较好地对有灰度变化、几何变化和比例缩放的图像进行识别,并极大程度上提高了检测的速度。最后,在G语言平台上设计开发实时反馈的程序界面,实现一种基于智能相机和工业触摸屏的实时眼动识别系统,将智能相机中的检测结果通过以太网通信,实时地在人机交互设备上进行显示。对该系统在常见的各种干扰环境下进行大量的实验和数据分析,讨论了眼动识别系统的准确性、稳定性和图像处理效率。实验结果表明,基于智能相机的眼动识别系统结构小巧紧凑且检测速度快,检测结果准确度高。