基于機器視覺技術(shù)的人體坐姿特征提取及識別算法研究.pdf

1、機器視覺技術(shù)作為計算機領(lǐng)域的重要分支，其在智能監(jiān)控、人機交互、體育運動分析及虛擬現(xiàn)實等方面具有極大的應(yīng)用空間。因此，機器視覺技術(shù)具有重要的研究意義。本文結(jié)合模擬智能輪椅的小車，對基于機器視覺技術(shù)的人體坐姿進行研究。
　　本文從人臉檢測與彩色標記點跟蹤兩個方面入手以判斷不同坐姿。由于處于坐姿下的上半身運動會同時帶動頭部運動，因此，本文利用對人臉運動的檢測來判斷上半身軀干的運動；而跟蹤腿部標記點的運動則可以判斷腿部運動趨勢。對于人臉檢

2、測與跟蹤，本文運用基于 AdaBoost算法的人臉檢測方法，該方法既可以滿足人臉檢測的實時性，同時還具有相對高的檢測準確度，其中涉及到 Haar特征、積分圖、弱分類器、強分類器和級聯(lián)分類器等概念。通過使用級聯(lián)分類器可以有效的提高檢測速度。在人臉跟蹤研究中，本文選用 KLT(Kanade-Lucas-Tomasi)算法，實現(xiàn)了對臉部目標的實時、準確跟蹤。對于腿部運動的判斷，采用到彩色標記點跟蹤方法。在圖像中找出該彩色連通域的中心位置，用1

3、0?10的黑色矩形標記來跟蹤對應(yīng)標記點的腿部運動。通過對實驗數(shù)據(jù)分析，得出不同身高和不同光照強度對實驗結(jié)果的影響。
　　將人臉檢測與跟蹤應(yīng)用于智能輪椅的控制，設(shè)計了智能輪椅模擬小車，包括直流電機驅(qū)動模塊、避障模塊、感光模塊等。通過計算機對臉部運動進行判斷，由串口發(fā)送指令至模擬智能輪椅的小車，控制小車的運動。實驗結(jié)果證明，該方法可以較穩(wěn)定的控制模擬器的運動，從而為智能輪椅的運動控制提供一種有效的解決方法，解決（無法使用手柄控制輪椅的