视线检测是在人机自然交互等诸多领域扮演着重要角色的技术。本文针对视线检测系统中所使用的Adaboost人脸检测算法和眼部特征提取算法进行优化加速，根据系统中各任务的特点合理选择硬件实现或软件实现，以达到视线检测的实时要求。本文的研究目标是实现基于ASIC硬件架构的实时的视线检测系统。其基本工作流程是利用摄像头拍摄一幅图片，然后利用Adaboost算法完成人脸的定位，进而基于人脸框粗定位眼睛区域，在粗的眼睛区域内完成眼睛区域的精确定位，在此基础上找到眼睛的瞳孔和内眼角特征点，最后利用视线估计模型估算用户的视线方向和注视位置。本文充分考虑Adaboost人脸检测算法的并行性，根据ASIC实现的硬件特性对算法的缩放、检测方式和弱分类器计算进行优化，为该算法设计专用处理单元，以达到提高人脸检测速度、降低系统的资源占用、提高系统的整体性能的目的；同时，脸部区域定位和眼部特征点检测算法的计算量不大，但逻辑运算比较复杂，考虑采用软件方式实现，通过对算法的内存占用、计算等方面调整优化，实现在嵌入式软核Nios中的运行。本文所设计的硬件结构在保证高检测率和较低工作频率（100MHz）的条件下，消耗的资源相对较少，并且在Altera的Stratix IV平台上完成了验证。针对640×480分辨率的图像，检测速率为12帧/秒，能够达到本文中视线检测的实时性需求。