目前,人们的生活被各式数字化设备包围着,人类期待可以与高效率但略显死板的机器产生人与人之间一样自然的交流互动。相关研究表明,充分利用人的认知资源是实现人机自然交互的有效手段。在各类可观测的人体认知信息中,眼睛的运动有效反映了人们视线关注点的变化,和人们的关注目标、内心情绪以及任务意图有着十分密切关系,因此眼动信号可作为构建自然的人机交互系统(Human-Machine Interface,HMI)的一种理想输入。本文以眼动信号作为控制输入,针对不同的应用场景开发了两类非桌面式HMI系统。根据控制任务和技术路线的不同,这两类HMI系统可划分为基于注视点检测的静态对象控制系统和基于眼动模式识别的动态对象控制系统。基于注视点检测的静态对象控制系统。系统整合了视线输入通道与目标识别输入通道,通过双重选择机制,克服单一视线输入通道交互的所带来的米达斯接触问题。驻留时间方法进行第一层选择识别出可能是输入的注视,并提取感兴趣区域(Region of Interest,ROI)。第二层选择中,对ROI采用基于形状匹配的目标识别方法排除非输入的注视,并能对输入注视观察到的目标作出特定的响应。利用上述方法,以空调为实际被控对象,通过注视功能图标生成指令,控制空调执行开关、模式、升温和降温四个功能。基于眼动模式识别的动态对象控制系统。在分析了随意性眨眼、注视、上看、下看、左看和右看这六种眼动模式与瞳孔中心变化轨迹的关系之后,分析出是否为随意性眨眼的判断条件,并确定了以瞳孔中心横纵坐标对于采样点数的斜率作为其他五类的分类特征。斜率由RANSAC算法拟合直线得出。随后利用AdaBoost算法通过两两分类的方式,实现了了由四个分类器组成的分类方法。再对分类方法进行改进,使用SAMME算法直接进行五类分类。全向轮椅为实际被控对象,识别出上下左右看以及非随性眨眼等五种眼动模式后,生成相应指令驱动轮椅执行前进、后退、左移、右移和停止这五种功能。总体而言,本文围绕三个问题对基于眼动的人机交互进行了深入研究,即如何提取眼动信息、如何提取眼动信息特征并实现分类、如何运用分类结果控制外部设备。经过大量的实验,探索出了合理、高效的解决方案,结果验证了眼动用于人机交互的可行性和准确性,为将这种自然的人机交互应用于日常实际,特别是方便残疾人生活做了有益的尝试。