人眼是人获取外界信息的主要渠道,研究如何利用人眼获取视觉信息进行研究具有重要意义。当前,人们主要使用眼动跟踪技术对其进行研究,眼动跟踪技术应用广泛,其在医学、心理学、人机交互等方面都有很好的应用前景。当前的眼动跟踪系统根据硬件上的不同,可以分为头戴式眼动跟踪系统和桌面式眼动跟踪系统,本文主要对基于桌面式的眼动跟踪技术的原理及方法进行分析,对其中的人脸和人眼的检测及定位、虹膜中心定位以及人眼注视点的标定等问题进行了深入研究,主要的研究内容以及成果如下：1.人脸检测和定位本文中,我们使用的人脸检测的方法是基于肤色模型和Adaboost算法：首先将采集到的图片转换到YCbCr颜色空间；然后利用每个像素的Cb、Cr值对图像进行分割处理,得到人脸的候选区域；最后在得到的人脸候选区域中使用Adaboost算法进行人脸检测。2.人眼检测和定位首先总结了常用的人眼检测和定位方法的优缺点。改进已有的算法,利用人眼区域相对于人脸其他区域灰度值偏低的特点,计算获取人眼候选区域,然后利用候选区域大小以及位置等信息,排除干扰区域,对人眼位置进行定位。3.虹膜中心定位首先对眼图进行处理得到虹膜的边界,然后使用最小二乘法对虹膜边界进行椭圆拟合,拟合成功之后,得到的椭圆曲线的中心坐标即为虹膜中心。4.人眼注视点标定人眼注视点标定是眼动跟踪系统中非常重要的一个环节,它给出了人注视计算机屏幕时具体的坐标位置。本文实现了基于映射关系的注视点标定方法：我们认为眼图中虹膜中心的坐标位置和注视点的坐标位置之间存在某种映射关系。在使用眼动跟踪系统之前,先让用户注视屏幕上的几个特定点,获取对应时刻眼图中的虹膜中心坐标,计算得到注视点和虹膜中心坐标的映射关系,之后,注视点的坐标就可以利用这个映射函数计算得到。校准过程中可能会有噪声点的存在,如果直接拿这些带有噪声点的数据进行映射函数参数的估计,可能会导致后面注视点标定误差变大,本文我们引入了随机样本一致性(RANSC)的方法来解决这个问题。