协助用户对机器进行便捷控制一直是人机交互领域研究和发展的一个重要方向。语音识别、指纹识别等技术问世之后，视线追踪技术如今也发展迅猛，可以试想将其成功融入实际工程中后，必定会带来全新的人机交互体验。本课题利用视频图像处理技术实现实时人眼跟踪并解算用户视线落点的任务，系统在近红外光源照射条件下，采集脸部视频序列，使用人眼跟踪算法跟踪并提取眼部图像，最后从眼部图像中获取相关参数解算出视线落点坐标。本文在对现有的各式方法试验并分析优劣基础之上，对视线追踪技术进行研究，主要工作点为眼球追踪技术实现和视线落点解算，并在人眼检测、目标跟踪、视线落点解算及补偿以及光照补偿等算法中进行了改进和创新。主要研究工作如下：1、针对系统对识别准确度的需求，且本文将检测算法作为跟踪初始化依据，故而检测部分需要尽可能保证准确度。考虑到现有adaboost算法在训练人眼分类器过程中可能出现的退化问题，提出引入样本标志位的方式进行改进，并添加红外光照环境下的误检负样本训练适合本系统的人眼分类器。实验结果表明，本文设计的引入样本标识位的改进adaboost算法可以对人眼进行精确检测和定位，在红外环境下具有很好的适应性和鲁棒性。2、针对系统对实时性的需求，并结合暗瞳图像中瞳孔轮廓图像特征明显的优点，本文系统仅采集暗瞳图像进行粒子滤波人眼跟踪。为实现对人眼的实时跟踪，跟踪模块采用融合灰度直方图特征和图像方差特征为观测模型的粒子滤波算法。其中灰度直方图特征从统计角度解释图像，而图像方差特征从图像的灰度分布结构上解释图片，以此为互补实现视频序列间图像匹配。实验结果表明，该算法不但能够保证准确识别人眼区域，而且能够缩短处理时间，极大的提高了系统的实时性。3、针对到实际环境中存在的头部运动会产生偏光以及眼球位置的改变，系统为提高瞳孔轮廓的自适应阈值分割的鲁棒性设计了非线性光照补偿算法以适应面部转向导致的偏光现象，而在针对眼球位置改变这一问题时，分别对深度和平行面偏移两种情况设计了相应的补偿算法。实验结果表明，落点补偿算法能够提高系统精度，光照补偿算法能够保障系统提取稳定的瞳孔轮廓。最后搭建视线追踪系统演示平台，对系统整体运行效果进行测试。应用结果表明，本文研究方法能够在实际环境下很好的工作，满足视线追踪系统识别准确、实时性、精度三方面的需求。