由于人眼获取信息具有自然、直接、双向和高效等优点，基于人眼信息捕获的视线跟踪技术在人机交互、医学、心理学、军事等领域有着广泛的应用前景和商业价值，引起了众多研究者的深入探索，已成为计算机视觉领域的研究热点。本文研究了基于瞳孔-角膜反射原理的视线跟踪相关算法，主要内容如下：①人眼检测定位算法：实现了视频图像中人眼目标的检测和定位，避免了后续注视点提取时的盲目搜索，主要包括人脸检测、人眼定位、人眼跟踪三个环节。在人脸检测过程中，本文通过算法对比，选择了基于Adaboost的人脸检测算法来实现视频图像中人脸区域的检测定位。在人眼定位过程中，本文采用了一种将人脸先验知识、人眼灰度分布以及内眼角三种特征相结合的人眼定位方案：首先利用“三庭五眼”的先验知识进行人眼粗定位，再采用灰度积分投影的方法进行眉眼分离，最后采用Harris角点检测算法进行内眼角提取，实现了人眼区域的精确定位。在人眼跟踪过程中，本文采用了卡尔曼滤波预测算法进行内眼角跟踪，实现了在头部运动的情况下对人眼位置的实时跟踪。在跟踪成功时，算法只需要对局部图像进行少许处理就能完成人眼定位，达到了10帧/秒的处理速度。②注视点检测定位算法：实现了眼部子图中瞳孔光斑相对偏移量的获取，并通过偏移量映射提取了出真实场景中的人眼注视点位置，主要包括瞳孔中心定位、光斑中心定位以及校准三个环节。在瞳孔中心定位过程中，本文采用了瞳孔分割、瞳孔粗定位、边缘提取、边缘拟合的算法方案：首先采用了改进的最大类间阈值选择法进行瞳孔分割，然后采用质心法进行瞳孔粗定位，接着采用一维算子径向扫描的方式计算瞳孔梯度图，提取出瞳孔边缘点，最后采用边缘点几何形状拟合的方式准确地定位出了瞳孔中心位置。在光斑中心定位的过程中，本文研究了基于高斯拟合的定位算法，算法达到了误差小于0.1像素的高精度。在校准环节中，本文研究了多种校准模型，并采用最小二乘法建立了一个6参映射函数模型，它能够准确地根据瞳孔光斑相对偏移量计算出真实场景中的人眼注视点，达到视线跟踪的目的。本文主要通过Matlab软件平台仿真实验和实际系统测试实验，验证了本文研究算法方案的可行性、准确性和实时性。