基于手势跟踪的智能轮椅控制系统

针对智能轮椅运动控制的特点,提出并实现一个基于手势跟踪的智能轮椅控制系统。基于皮肤颜色模型和手势轮廓特征进行手势的检测和分割,将分割出的手势作为跟踪的初始化窗口,采用Camshift算法实现手势的自动跟踪,并用Kalman滤波预测下一时刻的手心位置,结合手心位置和手势的几何特征识别出不同的控制指令。实验证明,该方法能实现对轮椅的控制,且方法简单。

基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统

针对单一脑电控制智能轮椅中信号识别率不高和系统稳定性低的问题,考虑到脑电传感器Emotiv能同时获取脑肌电信号,提出一个基于支持向量机(support vector machine,SVM)多分类技术的肌电信号(electromyography,EMG)辅助脑电信号(electroencephalogram,EEG)的轮椅控制系统。系统采用小波变换和阈值法分别对EEG和EMG进行特征提取,并对特征向量进行融合;然后,采用多分类SVM对信号进行分类,将分类结果作为智能轮椅的控制指令。实验证明,系统与单一脑电控制相比,动作识别率高,稳定性好。