为了实现基于面部表情识别的智能轮椅控制, 在传统的支持向量机SVM面部表情识别与分类方法的基础上, 采用基于“八眼”的面部有效区域提取方法, 将基于主成分分析PCA的面部表情特征提取方法与支持向量机分类方法相结合, 实现了面部表情的识别与分类, 并最终实现基于面部表情识别的智能轮椅的运动控制。实验结果表明, 所采用的方法在识别率上明显优于传统SVM与PCA方法。

为了解决目前一些手部存在障碍的使用者无法实现自主操纵轮椅的问题，研究了一种由软、硬件相结合的视觉追踪轮椅行进控制系统。使用者头戴视觉追踪装置坐在由单片机最小系统、蓝牙模块、霍尔传感器模块组成的电动轮椅上，通过图像采集分割、瞳孔轮廓检测、瞳孔标定、容差判定等方法确定使用者眼球的位置，进而控制电动轮椅向前走、向后走、向左转、向右转和停止5个行为状态。通过实验测试，该系统操作简单、方便且灵敏度高。该系统较传统轮椅而言，适用人群更加广泛，使得一些手部无法自理的使用者能够直接通过眼睛的转动控制轮椅的行进

轮椅控制论文，致力于改善轮椅的开发方式，设计制造，及其自动化