人类视觉系统是获取外界环境信息的重要感官,而且在目标跟踪、图像获取、感知理解等方面具有极其精巧复杂的生理机制。机器视觉让机器能够通过视觉感知环境信息,有助于增强机器的环境适应能力,提高智能化程度。人类视觉系统的特点和机理可以给机器视觉的研究很多启发,将其应用到工程领域,可以改进机器的视觉感知能力,是很有意义的工作。本文仿生眼研究重点研究了仿生眼运动控制算法,主要工作如下：本文首先分析了仿生眼研究的背景和意义,综述了当前研究现状并指出存在的主要问题,介绍了本文的主要内容和章节安排。第二,分析人类眼球的运动形式和特点,在此基础上,搭建了仿生眼硬件系统平台和软件仿真平台,演示和验证本文的算法和模型。仿生眼硬件系统平台可以完成图像采集和处理并模拟人双眼和头部的转动。软件仿真平台用Matlab编写,可以用动画形象地表示在跟踪目标过程中头部和眼球的运动。第三,利用改进的迭代最小二乘(RLS)算法和迭代学习控制(ILC)实现平滑追踪运动。采用一种改进的RLS算法对正弦运动、匀速运动、匀加速运动和计入空气阻力且摆角较大的单摆运动的速度进行预测,可以抵消图像处理的延时。改进的RLS算法既可以快速适应不同的运动形式,又可以有效抵抗噪声。利用迭代学习控制实现对周期性运动的平滑追踪,若干个周期的学习后,可以达到准确的跟踪效果。通过实验验证了两种算法的跟踪效果。第四,研究了扫视控制算法。分析了人类扫视生理模型的特点,在此基础上研究了扫视控制模型。根据摄像机成像模型,推导出由目标图像坐标计算视线转移角度的公式。在RGB颜色空间识别红色小球,采用快速算法实现颜色空间的转换,保证了识别的准确性和实时性。通过仿真和仿生眼硬件系统实验,验证扫视模型的有效性。最后,对本文的所做工作进行总结,并提出了下一步的研究方向。