计算机视觉从上世纪70年代以来一直处于飞速发展之中,特别是进入21世纪以后,由于计算机性能的不断提升,和数字图像获取的廉价化,这一领域的发展尤为迅速。在计算机视觉领域中,人眼的跟踪和眨眼检测一直是受研究者广泛关注的研究方向。人眼的跟踪有助于计算机定位出人眼的位置,是人脸识别的基础。而眨眼检测有助于计算机识别出人眼的状态,在疲劳检测、视觉交互领域有广阔的应用前景。首先,我们回顾了这两个方向的研究历程,包括基于SIFT特征,MeanShift跟踪等等跟踪方法,以及人眼结构建模、频域模型、条件随机场等眨眼检测方法。其后,在级联式adaBoost的对象检测算法框架上,本文提出了相对坐标系的样本训练概念,并把这个思想应用到人眼跟踪领域。我们重新定义了正负样本和分类特征,同时对原算法进行改进,使之适应实时跟踪的要求。同时,针对目前眨眼检测效果不稳定的情况,我们加入了瞳孔定位的算法设计,提高了检测的鲁棒性。最后,我们在这些算法基础上设计了一套视觉交互系统---EyeMouse。