基于機(jī)器視覺技術(shù)的人體坐姿特征提取及識(shí)別算法研究.pdf

1、機(jī)器視覺技術(shù)作為計(jì)算機(jī)領(lǐng)域的重要分支，其在智能監(jiān)控、人機(jī)交互、體育運(yùn)動(dòng)分析及虛擬現(xiàn)實(shí)等方面具有極大的應(yīng)用空間。因此，機(jī)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(duì)基于機(jī)器視覺技術(shù)的人體坐姿進(jìn)行研究。
　　本文從人臉檢測(cè)與彩色標(biāo)記點(diǎn)跟蹤兩個(gè)方面入手以判斷不同坐姿。由于處于坐姿下的上半身運(yùn)動(dòng)會(huì)同時(shí)帶動(dòng)頭部運(yùn)動(dòng)，因此，本文利用對(duì)人臉運(yùn)動(dòng)的檢測(cè)來(lái)判斷上半身軀干的運(yùn)動(dòng)；而跟蹤腿部標(biāo)記點(diǎn)的運(yùn)動(dòng)則可以判斷腿部運(yùn)動(dòng)趨勢(shì)。對(duì)于人臉檢

2、測(cè)與跟蹤，本文運(yùn)用基于 AdaBoost算法的人臉檢測(cè)方法，該方法既可以滿足人臉檢測(cè)的實(shí)時(shí)性，同時(shí)還具有相對(duì)高的檢測(cè)準(zhǔn)確度，其中涉及到 Haar特征、積分圖、弱分類器、強(qiáng)分類器和級(jí)聯(lián)分類器等概念。通過(guò)使用級(jí)聯(lián)分類器可以有效的提高檢測(cè)速度。在人臉跟蹤研究中，本文選用 KLT(Kanade-Lucas-Tomasi)算法，實(shí)現(xiàn)了對(duì)臉部目標(biāo)的實(shí)時(shí)、準(zhǔn)確跟蹤。對(duì)于腿部運(yùn)動(dòng)的判斷，采用到彩色標(biāo)記點(diǎn)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(biāo)記來(lái)跟蹤對(duì)應(yīng)標(biāo)記點(diǎn)的腿部運(yùn)動(dòng)。通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)分析，得出不同身高和不同光照強(qiáng)度對(duì)實(shí)驗(yàn)結(jié)果的影響。
　　將人臉檢測(cè)與跟蹤應(yīng)用于智能輪椅的控制，設(shè)計(jì)了智能輪椅模擬小車，包括直流電機(jī)驅(qū)動(dòng)模塊、避障模塊、感光模塊等。通過(guò)計(jì)算機(jī)對(duì)臉部運(yùn)動(dòng)進(jìn)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(yùn)動(dòng)。實(shí)驗(yàn)結(jié)果證明，該方法可以較穩(wěn)定的控制模擬器的運(yùn)動(dòng)，從而為智能輪椅的運(yùn)動(dòng)控制提供一種有效的解決方法，解決（無(wú)法使用手柄控制輪椅的