视觉疲劳作为一个近几十年来一直被讨论的一个概念,随着电子信息技术的发展,电子设备的广泛普及,在充斥着各种电子屏幕的现代市场环境中,出现的概率愈加频繁。很多用户在已处于视觉疲劳的状态下,依旧不自知地继续进行工作或娱乐,不仅会降低工作效率,造成身体损害,甚至会因为视觉系统性能下降而导致更多的意外伤害。因此,如何采用一种简便、有效并且大众化的方式,去进行视觉疲劳检测,是目前亟待解决的一个问题。视觉疲劳状态,其本质上是视觉系统工作效率的降低。对于这一点的判断,Der-Song Lee所提出的Letter-Search方法具有非常优秀的效果。此方法让用户对文本中的特殊字进行搜索,根据最终的搜索准确率来对其视觉系统进行分析,从而判断出在不同环境和状态下用户视觉系统工作效率的高低。然而,对于视觉疲劳状态的检测,虽然在大多数情况下此方法具有一定的反映能力,但是由于该方法中仅有搜索准确率这一项判定特征,用户完全可以通过提高搜索时间或者放慢搜索速率来提高搜索准确率,这就容易造成检测结果的误判,需要补充其他相关视觉特征来对此方法进行进一步的完善。基于以上理解,本文结合了眼动追踪技术,对Letter-Search方法进行了一系列的改进。本文的主要工作如下:（1）本文在Letter-Search方法的基础上,结合眼动特征对视觉疲劳状态进行分析,并设计出了一套改进后的视觉疲劳检测流程,流程中添加了“阅读理解”任务阶段用以补充“搜索阶段”眼动数据的不足。对于视觉疲劳状态的衡定,具体的判定特征包括用户特殊字搜索的准确率,以及兴趣域分布、瞳孔直径、阅读速率等眼动数据。相较于原本的Letter-Search方法,本文所提出的改进方法添加了眼动数据作为衡量视觉疲劳状态的依据,有效避免了原方法判定特征过于单一的局限性。此外改进后的检测流程形式较为友好,有效降低了实验本身对用户视觉系统所造成的影响,大幅度减少了视觉疲劳检测的工作成本,同时也为当前流行的采用眼动追踪的视觉疲劳检测法,提供了更多的实验思路以及形式参考。（2）针对此前所提出的基于眼动数据的视觉疲劳检测流程,设计出了相应的视觉疲劳检测原型系统。该系统结合了眼动追踪技术,为用户提供了完整的视觉疲劳检测流程。在用户执行任务的过程中,系统会自动捕捉瞳孔数据、兴趣域分布、眨眼频率等眼动特征,并将其作为视觉疲劳判定的基础。之后系统采用BP神经网络对实验数据进行分类,最终得到用户此刻是否处于视觉疲劳状态下的结论,其中BP神经网络算法的实现采用了 Weka中所提供的开源代码。根据视觉疲劳检测原型系统的实验结果,其判定结果的准确率达到了 95.2%,证实了本文改进后的方法具有较好的可行性与有效性,在正常状态与疲劳状态的界定之间,其实验形式优越于Di所提出的基于阅读效率的视觉疲劳检测法,准确率也高于PERCLOS视觉疲劳检测法。