视线跟踪技术是智能人机接口的关键技术之一，在人机交互等领域有着广阔的应用前景。但是，目前的视线跟踪技术还存在以下缺陷：1）瞳孔或虹膜定位算法无法适用于被眼睑、睫毛或光斑严重干扰的眼部图像；2）标定方法复杂繁琐，或者需要采用额外机构才能简化标定过程，同时，每次使用视线跟踪系统都需要重新标定；3）缺乏在不增加系统复杂度的情况下，消除头部偏转带来的误差的有效方法。这些缺陷制约了视线跟踪技术的应用和普及。. 本课题针对上述缺陷，研究具体的解决方法，取得了如下的研究成果：构建了一套完整的头戴式视线跟踪系统体系结构，提高了头戴式视线跟踪的人机友好性，降低了系统的复杂度；针对桌面式视线跟踪系统中的圆形瞳孔定位，提出了一种基于径向对称和改进的圆周差分算子的虹膜定位算法。针对头戴式视线跟踪系统中的椭圆瞳孔定位，提出了一种基于椭圆差分和PSO的定位算法。这些算法使得在干扰严重情况下的瞳孔或虹膜定位都有很高的准确率；提出了一种基于Adaboost算法的视线跟踪中对人眼状态进行检测和定位的方法，能有效检测睁闭眼状态；提出了一种在头戴式视线跟踪系统中基于虹膜识别的一次标定方法，使用者只需在第一次使用头戴式视线跟踪系统时进行标定，再次使用时，系统会自动进行虹膜识别，调出使用者第一次标定时的眼睛图像数据，计算出使用者当前眼部图像与标定时的眼部图像的相对旋转角和偏移量，从而得到使用者当前的标定参数。该方法在不增加额外设备的情况下，解决了视线跟踪标定负责繁琐的问题；为了消除头戴式视线跟踪系统中头部偏转引起的误差，提出了一种基于标记点检测的头部误差消除方法。该方法通过在真实场景中设定标记点，通过实时检测场景图像中的标记点位置，利用射影变换技术建立场景图像到真实场景之间的映射关系，根据此映射关系可以将注视点在场景图像中的映射点转化成视线在真实场景中的注视点位置，从而消除头部偏转对视线真实方向估计带来的干扰。最终的实验结果表明，该算法在头部自由运动的情形下，视线跟踪的误差小于1°，达到了实用的要求。. 本课题很好的完成了预期研究目标，对视线跟踪中的若干问题进行了深入的研究，取得了不错的研究成果。