视线估计技术是一种新兴智能人机视觉交互方式,是通过构建眼部图像中眼动特征和注视点之间的模型,来解算人眼注视方向或注视点位置的技术。本文在分析头戴式系统集成化结构特性下,重点研究两部分内容,包括近红外光照明下瞳孔特征提取算法和建立基于此特征的视线估计模型。本文主要工作和研究成果如下:（1）本文阐述了视线估计技术的国内外研究现状及趋势,依据头戴式系统特性引出了课题研究背景与意义,具体分析了眼动特征定位算法、二维以及三维的视线估计模型,并对比总结了目前视线估计方法存在的优势和不足。（2）针对头戴式眼动追踪系统中,人眼距离相机较近,近红外光源照明人眼,获得对比度明显的暗瞳图像,本文改进了一种近红外光下瞳孔特征提取算法,在复杂实际应用环境数据集5个像素误差下平均瞳孔检测率为79.10%,10个像素误差下检测率为85.00%,平均提取速率为11.63ms/帧。在实验中不同光照环境、不同实验对象和不同方向上本文近红外光源照明下瞳孔检测算法都具有较好的瞳孔提取效果。（3）本文从头戴式系统视线估计角度误差精度、系统复杂度以及用户使用简易度三个性能出发,改进了一种基于瞳孔轮廓简化三维几何视线估计模型,视线估计角度误差精度上,对比实验与分析表明,本文建立的三维视线估计模型平均角度误差为0.53°,标准差角度误差为0.38°;系统复杂度上,本文系统最小配置为单相机单光源;用户使用简易度上,用户通过自由头动单点标定过程就可以实现估计人眼注视方向或注视点位置,满足人机交互实际应用需求。研究头戴式系统的视线估计方法不仅具有在人类心理学、行为学等学科的学术研究价值,也具有在虚拟现实、增强现实等应用场景的广泛现实研究意义。