- 文献综述（或调研报告）：
随着眼动仪的发明以及它在广告心理学的广泛应用，基于广告心理学的眼动研究已经成为目前广告研究的一个重要趋势。实验科学家利用眼动仪做了许多相关实验，并得到了许多评估广告效果和改进广告设计的结论，某些视觉特征比其他视觉特征更容易被注意到，在广告中，这些视觉特征包括颜色，形状，大小，有无图片以及物体和背景之间的反差对比等等，最终得出一个重要结论：颜色、面图片在吸引人的注意时有着重要的影响。
以硬件为基础的视线跟踪的基本工作原理是利用图像处理技术，使用能锁定眼睛的特殊摄像机通过摄入从人的眼角膜和瞳孔反射的红外线连续地记录视线变化，从而达到记录分析视线追踪过程的目的，视线跟踪装置有强迫式与非强迫式、穿戴式与非穿戴式、接触式与非接触式之分，其精度从0.1度至 1度或 2度不等，以硬件为基础的方法需要用户戴上特制的头盔，特殊的隐形眼镜，或者使用头部固定支架%置于用户头顶的摄像机等#对用户的干扰很大。
近年来，人们为克服视线跟踪装置对人的干扰作用，提出了用软件实现的对用户无干扰的视线跟踪方法，其基本工作原理是先利用摄像机获取人眼或脸部图像#然后用软件实现图像中人脸和人眼的定位与跟踪，从而估算用户在屏幕上的注视位置，人的注视方向可以用头的方位和眼睛的方位两种方式来表示。
眼睛中心的定位在许多计算机视觉应用中具有显着的重要性，例如人机交互，面部识别，面部匹配，用户注意或凝视估计（Bohmeuml;等，2006）。眼睛中心定位有几种技术，其中一些使用头戴式设备，另一些则利用下巴支撑来限制头部运动。此外，主动红外照射用于通过角膜反射精确估计眼睛中心。虽然这些技术允许非常准确地预测眼睛中心并且经常用于商业眼睛注视跟踪器，但是它们在日光应用和户外场景中是不舒服的并且不那么稳定。因此，已经提出了用于在可见光下眼中心检测的方法。这些方法可大致分为三组：（i）基于特征的方法，（ii）基于模型的方法，以及（iii）混合方法。例如，可以在（Hansen和Ji，2010）中找到关于基于视频的眼睛检测和跟踪的调查。
我们描述了一种基于特征的眼睛中心定位方法，该方法可以高效且准确地定位和跟踪低分辨率图像和视频中的眼睛中心，例如在使用网络摄像头拍摄的视频中。我们遵循通常针对基于特征的眼睛中心定位进行的多阶段方案（参见图1），并且我们做出以下贡献：（i）用于眼睛中心定位的新方法，其定义了中心（半）圆形图案作为大多数图像渐变的位置。因此，我们推导出一个在圆周模式中心达到最大值的数学函数。通过使用该数学公式，可以导出快速迭代方案。 （ii）我们提供关于眼睛外观的先前知识并增加健壮性。 （iii）我们采用简单的后处理技术来减少眼镜，眼镜内部反射或眉毛突出时出现的问题。此外，我们使用非常挑战的BioID数据库评估光照，对比度和背景变化的准确性和稳健性。所获得的结果与用于眼中心定位的现有技术方法进行了广泛的比较。
在几何学上，可以通过分析图像梯度的矢量场来检测圆形物体的中心，该矢量场先前已用于眼睛中心定位。例如，Kothari和Mitchell提出了一种利用虹膜和巩膜之间强烈对比而产生的流场特征的方法（Kothari和Mitchell，1996）。他们使用每个梯度向量的定向来绘制整条图像的线条，并且每当一条这样的线条通过它时它们就会增加累加器区间。因此，大多数线相交的交流累加器箱代表估计的眼睛中心。然而，他们的方法仅在离散图像空间中定义，并且缺少数学公式。更重要的是，他们不会考虑由眉毛，眼睑或眼镜引起的问题。
用于眼睛中心定位的多阶段方法，首先应用面部检测器;基于面部位置提取粗糙眼睛区域（左），然后将其用于每个眼睛中心（中间和右侧）的精确估计。
人工实例在浅色背景上有一个黑色圆圈，类似于虹膜和巩膜。在左侧，位移矢量di和梯度矢量gi不具有相同的方向，而在右侧，两个方向相等。
