基于摄像的非接触的视线跟踪技术通过摄像获取眼动特征图像信息，研究并建立与眼睛视线或者注视点的映射关系模型，计算出眼睛视线方向或者注视点位置，其作为人机交互的新颖方式具有重大意义。基于摄像的视线跟踪理论技术多数是基于主动红外光源，但是其应用范围受限。而自然光下的视线跟踪理论技术不借助主动红外光源，可以得到更广泛应用，但自然光下的视线跟踪技术还未有完善的理论模型，本文将对自然光下的视线跟踪技术进行深入研究，提出更完善的算法理论模型，其包含三个方面：（1）自然光下的眼动特征信息提取：针对自然光下图像低对比度以及光照不均匀影响，首先建立基于哈尔特征和模板匹配的人眼分类器定位眼睛区域，其次基于最大类间方差与形态学处理获取虹膜与眼睑边界特征，最后分别通过改进的边缘提取算子提取虹膜特征参数以及采用改进的角点定位算子定位眼睛内角点。（2）注视点映射模型的构建：首先建立动态注视点映射模型，其采用虹膜中心与眼睛内角点构成的眼动向量建立初始的静态注视点映射模型，构建头动时该向量与虹膜长短轴间的作用函数，从而结合静态注视点映射模型获得动态注视点映射模型，其对头部运动具有一定的抗干扰能力。其次，在动态注视点映射模型的基础上提出基于显著度检测的多项式方程用于匹配眼动向量与注视点，剔除多项式方程非显著项，使得最终的注视点映射模型的精度更高。（3）头部运动补偿模型的建立：尽管本文构建的注视点映射模型对头部运动具有一定的抗干扰能力，但是在头部大范围运动的情形下，注视点估计误差仍较大。故基于可以代表头部运动的信息虹膜的长轴、短轴、旋转角度以及获取的眼动向量，在注视点映射模型的基础上，经由RBF神经网络训练建立头部运动补偿模型，在大范围头动情形下提高注视点估计精度。本文自然光下的眼动特征信息提取的速度达到20帧/秒，虹膜定位准确率达到98%，眼睛内角点定位误差（1.10.3）像素；结合头部运动补偿模型的注视点映射模型在20cm20cm10cm空间内头动时视线估计角度约为1度。实验结果证明本文视线跟踪算法模型，较好的解决了自然光下的视线跟踪所遇到的问题。