眼睛是脸部特征中极其重要的部分,包含着丰富的信息。一直以来,眼睛特征的检测和跟踪作为计算机视觉领域的重要课题,受到了广泛的关注。同时,眼睛跟踪在诸如眼睛疲劳检测,视线估计,人脸表情分析,人机交互等领域,有着重要的应用。然而受姿态,光照和表情变化的影响,眼睛的跟踪更加困难、复杂。之前较多的方法仅是定位了眼睛的关键点,而没有描述眼睛丰富的形状信息;或者描述了正面视角下眼睛的轮廓,而眼部显著的变化则研究不足。我们的系统针对此,能够鲁棒的跟踪定位眼睛,描述了眼睛的轮廓和可见虹膜部分的中心。本文提出了一种新的方法用于跟踪眼睛特征点。算法分为两大模块:眼睛图像块的跟踪和特征点的定位。首先用IVT(Incremental Visual Tracking)算法来提取眼部的图像。得到眼部图像和相应的子图像坐标系后,利用本论文提出的特征点跟踪算法描述特征点。这里提出了相对于离线训练仿射流形模型的在线仿射流形模型。在线仿射流形模型不断地同时对图像纹理和特征点位置建模,用非迭代的PCA重建方式估计轮廓点位置。得到轮廓点位置后,从利用局部信息的角度,用轮廓点局部特征(SIFT+RGB)匹配定位轮廓控制点。在线仿射流形模型和特征点局部特征匹配相结合得出最终的轮廓控制点位置。此外,点局部特征匹配和自适应黑色圆形模板匹配结合的方法定位可见虹膜中心点。最后,Kalman滤波器用来进一步精确特征点。利用普通摄像机拍摄的视频对本文算法验证,实验表明,该方法能够在姿态变化、尺度变化和眼球转动下较好地跟踪,与人工标记值的差值的RMS(root mean square)的平均值约为1.5。