基于头势的智能轮椅无障碍人机交互

论文摘要

近年来信息无障碍技术越来越受到关注,它主要研究如何帮助老年人和残障人士自由参与社会活动,而基于头势的人机交互是信息无障碍研究领域中的一个热点,因此基于头势的智能轮椅人机交互的研究就是一个非常有意义的课题。本文研究了基于头势的智能轮椅无障碍人机交互方法,提出基于唇部检测的头势识别方法,将识别结果用于控制智能轮椅的运动。文章首先介绍了Adaboost (Adaptive Boosting)目标检测算法,采用加权投票的方式生成唇部级联分类器,进行唇部的检测,但是使用Adaboost算法进行唇部检测与头势识别的精确度不高,检测时间相对较长。针对唇部检测中遇到的这两个问题,提出混合Kalman滤波器与Adaboost算法进行唇部检测的头势识别方法。该算法通过预测Adaboost算法预测唇部左上角坐标点在下一帧图像中的位置,减小Adaboost算法进行唇部检测的搜索范围,提高了唇部检测与头势识别的精确度,降低了检测与识别时间。最后,本文设计了一个基于头势的智能轮椅无障碍人机交互系统,并在此系统平台上进行了大量的实验。实验结果表明,本文设计的基于唇部检测的头势识别算法在对智能轮椅的控制中可靠性很高,智能轮椅运动的精确度达到90%以上,有效地提高了智能轮椅的鲁棒性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景及研究意义
• 1.2 国内外研究现状
• 1.3 本文主要内容及章节的安排
• 1.4 本章小结
• 第二章 头势识别方法
• 2.1 基于知识的头势识别方法
• 2.2 基于特征的头势识别方法
• 2.3 基于三维空间的头势识别方法
• 2.4 基于相对位置的头势识别方法
• 2.5 本章小结
• 第三章 基于唇部检测的头势识别方法研究
• 3.1 图像的预处理
• 3.1.1 图像灰度化
• 3.1.2 光照补偿
• 3.1.3 直方图均衡化
• 3.2 基于Adaboost算法的唇部检测与头势识别
• 3.2.1 H aar-like矩形特征
• 3.2.2 A daboost算法基本原理
• 3.2.3 A daboost算法进行唇部检测
• 3.2.4 实验结果
• 3.3 Kalman滤波器增强唇部检测与头势识别
• 3.3.1 Kalman滤波器
• 3.3.2 Kalman滤波器唇部预测模型的设计
• 3.3.3 Kalman滤波器预测唇部
• 3.3.4 实验结果
• 3.4 本章小结
• 第四章 头势识别在智能轮椅人机交互系统的设计与实现
• 4.1 头势控制智能轮椅的系统结构框图
• 4.2 系统的软硬件
• 4.2.1 系统的硬件介绍
• 4.2.2 系统的软件介绍
• 4.3 头势指令
• 4.4 基于头势的智能轮椅无障碍人机交互
• 4.5 本章小结
• 第五章 全文总结和展望
• 5.1 全文总结
• 5.2 展望
• 致谢
• 参考文献
• 附录