在油气生产过程中,其原材料大多具有易燃、易爆、有毒的性质,同时因为生产过程连续性强、技术复杂、设备繁多等特性,一旦发生事故,不仅会导致人员伤亡和财产损失,同时也会产生巨大的社会影响,甚至会危害到社会公众安全,产生难以想象的经济损失和无法挽救的后果。本文针对油气生产工艺操作过程中可能存在的操作行为失误,建立工艺模拟操作平台,利用视线追踪技术对操作者的异常认知行为进行监控,将眼动数据和眼动热点图像等特征引入操作人员的失误模式识别中,建立基于视线追踪技术的油气生产工艺操作行为失误的识别研究,从而能有效避免因工艺操作失误带来的油气生产安全事故。（1）针对已有的人为失误分析方法大都依赖于历史数据或主观判断,不能实现对生产过程中认知行为实时感知的问题,提出了一种基于视线追踪技术的油气生产工艺操作人员眼动数据实时采集的方法。通过对工业生产乙醇流程的动态模拟建立了油气生产工艺操作实验的模拟平台,通过设计结合视线追踪技术的模拟实验方案对操作者进行干扰抑制任务中的眼动数据进行了实时采集。实验结果表明,对照比较实验过程中的工艺参数变化情况与同时间情况下的操作者关注兴趣区域,可以实现对操作者认知情况的实时感知。同时这一结果也为后续进行工艺操作行为失误识别研究提供了数据基础。（2）针对传统失误特征多以认知心理特征和行为操作特征为指标而无法客观判断失误模式的问题,提出了一种基于学习矢量量化神经网络并以操作者眼动数据特征为指标的人员行为失误模式识别方法。通过对眼动实验数据的统计归纳结合认知状态与安全行为科学原理,得出了操作者的失误模式包括:操作生疏、精神涣散和高度紧张三类。通过对实验操作界面的兴趣区域划分,以操作者眼动实验得到的13项统计数据作为识别指标,建立了学习矢量量化模型对工艺操作人员的失误模式进行识别。实验结果表明,本章所述方法对工艺操作人员行为失误识别的准确率分别达到了86.36%和92%,与BP神经网络识别相比分别提高了22.73%和8%,体现了LVQ神经网络对操作人员失误模式识别的稳定性与准确性。（3）针对传统失误识别研究仅停留在对失误特征定性判断的问题,提出了一种基于眼动热点图像特征的操作人员行为失误综合评价的方法。通过提取眼动热点图像的形状和纹理等特征,并将其融合构建HOG＿GLCM特征,建立了基于支持向量机的对操作人员行为失误识别模型,并将实验效果与单一HOG特征和单一GLCM特征相比较。实验结果表明,本章所述对HOG＿GLCM融合特征的识别准确率达到了90%,相较于对于热点图像单一HOG特征和单一GLCM特征的识别,其准确率分别提高了15%和35%,能够有效实现对操作人员行为失误的识别,有助于对操作人员的现场监督。