随着科学技术与产业的飞速发展,人机交互技术受限于窄带宽输入,严重阻碍人机的信息交流,世界各国都将其作为重点研究的关键技术,视线跟踪作为新型的人机交互手段,主要研究对眼睛运动特性的检测与识别,有效地探索人脑对外部信息加工与控制机制,其不仅对神经科学、医学临床诊断有重要意义,而且对人机交互学、人机工效学、人机系统工程、自动化工程等都有理论和应用价值,在军事及民用上具有广阔的应用前景,同时视线跟踪技术算法及模型上的不成熟,给我们提供很大的研究和发展空间。普尔钦斑点法则是瞳孔-角膜反射向量法中精度最高的方法,本论文主要对普尔钦斑点法中的眼动特征信息提取及动态注视点匹配模型两部分关键内容进行研究:1.眼动特征信息提取算法:研究二级瞳孔及斑点中心定位算法,首先提取像素级的瞳孔参数信息及边缘点邻域信息,利用高斯曲线拟合提取边缘点的亚像素坐标,然后通过椭圆拟合获取瞳孔中心的亚像素坐标,并采用同样的亚像素算法提取斑点中心作为参考点,最终计算眼动特征量化值PC-R向量。2.注视点匹配模型:研究动态注视点匹配,采用逐步回归分析法(SLRA)来提高模型参数的自适应计算,使模型在用户静止条件下能有效计算注视点信息;研究头部移动外观特征,利用BP神经网络实现头部运动补偿,建立动态人眼注视点匹配模型。实验结果表明,眼动特征提取算法在准确性和实时性两方面均表现优秀,精度相对于像素级算法有6倍精度提升,实时性上也达到10帧/s;基于逐步回归的静态注视点估算达到0.6°精度,而对于大范围头部运动,结合基于BP神经网络的头部移动补偿模型所实现的自由空间视线跟踪技术,动态估算精度为0.7°,对比现今技术(精度为1°-1.5°)达到领先水平,达到更高的注视外部目标信息分辨率,具有很好的应用潜力,将本论文所设计算法应用于人机交互,如基于视线控制的残疾人辅助系统、人机交互软件GAZETALK,都取得良好的实用效果,证明本文所提出方案的可行性和优越性。