眼动问题是视觉追踪及智能交互领域的典型代表,不管是在人工智能方面,还是在行为研究方面,都是研究的热点。虽然人们对眼动跟踪等相关技术进行了多年的研究,提出了若干技术并试图解决眼动跟踪在应用中遇到的各类问题,但这些技术并没有很好地解决实时、准确等关键性问题,特别是对于引起眼动不确定性的核心因素缺乏有效的理解和阐述。本文首先对眼动跟踪技术的基本架构和基础理论进行了简要介绍,随后开展了以下主要研究工作和创新:1.提出一种基于线性逼近策略的眼图预处理模型。在实验中常常出现数据中断问题,因为在处理连续眼图的时候,会因为人眼的眼睫毛和眼睑对瞳孔的遮挡,以及人眼的眨动等客观原因阻碍了眼图处理的程序,使得我们无法顺利得出理想数据。该策略有效解决了视觉追踪过程中对于眨眼或眼睑遮蔽瞳孔等造成的数据处理中断问题,利用连续帧逼近的数学计算方式弥补眨眼过程中所缺失的眼动数据。2.提出一种视觉定位精度标定算法,此算法基于瞳孔-角膜跟踪模式。在眼动跟踪系统中人们更关心的是眼睛注视的视场中某目标物体的注视点坐标和视线方向。如何通过标定求出眼动数据中瞳孔-角膜坐标与视场中注视点坐标之间的一一映射关系,然后根据这个映射关系和提取的瞳孔-角膜坐标计算出视场中注视点坐标是研究的难点。基于瞳孔-角膜跟踪模式的视觉定位精度标定算法好于单独的瞳孔跟踪模式和单独的角膜跟踪模式,能更准确地进行定位。3.分析并介绍了平动跟踪眼动问题的主要考虑因素和研究模型,并在此基础上,提出了制约跟踪眼动的关键技术指标,即注意力及眼动速度。文章详细描述了瞳孔放大与收缩变化相对于跟踪准确度和视觉分析的关联性,并对策略进行了多种假设和实验,分析表明通过瞳孔的变化趋势去考察被试者的注意是否集中在视觉任务是一个可行且高效的解决方案。通过上述工作,本文对面向视觉计算的眼动跟踪中的实时性、准确性等难点问题进行了相关研究。根据实验数据和研究结果,本文提出的方法可行并具有一定的应用价值。