头戴式眼动追踪系统是一种自然的视觉注意力分析和人机交互工具,已成为当前国际上的热点研究领域。本学位论文在分析国内外研究现状的基础上,围绕如何对人眼凝视点进行高精度推算这一挑战性难题,从真实环境中人眼瞳孔检测、空间凝视点估计、头戴式眼动追踪系统设计等几个方面,开展了系统深入的研究。论文的主要创新成果如下:1.针对真实环境中瞳孔检测稳定性差的问题,构建了人眼图像特点驱动的瞳孔检测方法。通过对人眼图像的观察与实验研究,发现在瞳孔图像区域存在局部对比度高和全局暗度大的特点,建立了结合两种特点以表示瞳孔图像区域的水平加权的类Haar特征,提出了紧凑型瞳孔区域检测方法（CPRD）和利用图像序列相关性改进瞳孔区域检测的方法（CPRD-init）。在十万多张图片的数据集上,CPRD-init方法检测成功率和5像素误差率比现有方法分别提高了 7.1%和3.9%。2.针对眼球伪中心降低3D凝视点估计精度的问题,提出了基于映射曲面的凝视方向估计方法。通过眼球伪中心的仿真和灵敏度分析,探讨了眼球伪中心误差对凝视点估计精度的影响,发现了当眼球伪中心误差在毫米级范围、标定映射曲面与凝视点距离在0.5米内时单眼的凝视方向近似相交于眼球伪中心,建立了眼球伪中心的高质量标定方法,构建了基于单映射曲面的凝视估计方法。用另一个映射曲面代替眼球伪中心,提出了基于双映射曲面的凝视估计方法,在凝视深度范围为1米和2米的数据集上,该方法凝视点估计精度比现有方法分别提高了 20%和17%。3.针对眼动仪长时间佩戴存在的滑移问题,提出了基于真实瞳孔轴线的滑移鲁棒且高精度凝视估计方法。通过建立角膜光学系统模型,揭示了瞳孔经角膜折射的规律,推导了从人眼摄像头采集的瞳孔图像轮廓到真实瞳孔法向量的函数,建立了利用真实瞳孔法向量的2D凝视点估计方法及其标定数据过滤方法。提出了用解析法将真实瞳孔轴线转换到凝视方向的3D凝视估计方法,由于真实瞳孔轴线的计算对滑移不敏感,因此该方法是滑移鲁棒的,实验结果表明,该方法可以达到最先进基于瞳孔中心凝视估计方法相当的精度,但后者存在滑移问题。4.构建了一种面向真实环境的头戴式眼动追踪系统实验验证平台,验证了本学位论文提出的理论与方法的正确性。