基于視覺和肌電信息融合的智能輪椅人機接口技術(shù)研究及應(yīng)用.pdf

1、智能輪椅是通過語音、形體語言等人類習(xí)慣和自然的方式進行溝通，代償實現(xiàn)患者缺失的運動功能，為老年人和肢體殘障人士提供一種良好的代步工具。智能輪椅控制系統(tǒng)的設(shè)計并不是自主性越高越好，它是一個以人為中心的控制系統(tǒng)，為了能夠有效地補償她/他的不足，充分發(fā)揮她/他的主動性，應(yīng)該考慮到使用者的身體特點。近年來，面對社會上龐大的老年人和肢體缺陷的群體，國內(nèi)外智能輪椅的研究開發(fā)越來越受關(guān)注。其中，視覺、肌電等智能輪椅無需手動控制的人機接口得到大量地研究

2、。
　　本文在浙江省科技廳公益項目的支持下，從課題研究的背景和意義出發(fā)，首先設(shè)計了基于視覺處理的智能輪椅人機接口方法，實現(xiàn)了頭部運動的意圖判別、人臉的定位和頭部姿態(tài)估計，然后構(gòu)建了基于肌電處理的智能輪椅人機接口方法，完成了對頭部運動所對應(yīng)的肌電信號的預(yù)處理、特征提取和模式分類，最后引入了雙模態(tài)信息融合規(guī)則，融合了視覺和肌電兩種模態(tài)信息的識別結(jié)果，實現(xiàn)對電動輪椅的控制。本文所做的主要工作及創(chuàng)新點如下：
　　(1)視覺接口控制方

3、法中，首先介紹了基于Adaboost算法的頭部姿態(tài)估計方法，并針對其人臉定位時易受光照變化、頭部附屬物及不同角度等影響，進一步探討了基于活動形狀模型(ASM)算法的人臉形狀定位方法，在眼睛、鼻子和嘴巴等關(guān)鍵特征點基礎(chǔ)上，增加了邊界等更多的特征點。然后，在此基礎(chǔ)上提出一種多特征點集的ASM頭部姿態(tài)概率估計方法，利用多數(shù)特征點的相對位置信息來提高頭部姿態(tài)的識別率。最后，給出了不同環(huán)境下兩種算法的對比實驗來驗證所提頭部姿態(tài)概率估計方法的有效性

4、，為雙模態(tài)的融合打下基礎(chǔ)。
　　(2)肌電接口控制方法中，首先在肌電信號的預(yù)處理和特征提取階段，提出一種基于空域相關(guān)濾波的小波熵和近似熵特征提取方法，通過分布在肩頸部的電極采集動作產(chǎn)生的多通道表面肌電信號，采用閾值比較和移動平均的數(shù)據(jù)分段方法確定出活動段的起點和終點，并在小波變換尺度間相關(guān)性濾波基礎(chǔ)上提取出活動段數(shù)據(jù)的小波熵和近似熵特征。然后，在肌電信號的分類階段，針對多種動作模式識別和肌肉疲勞等問題，在雙支持向量機兩類模式分類理

5、論基礎(chǔ)上，推廣并提出一種基于增量學(xué)習(xí)的雙支持向量機多類模式分類及Sigmoid概率輸出建模算法。最后，在多組UCI數(shù)據(jù)及肌電數(shù)據(jù)上對新分類算法進行實驗，并與雙支持向量機的概率輸出和傳統(tǒng)支持向量機概率輸出及其增量學(xué)習(xí)進行對比，證明其具有良好的分類精度和分類速度，為接下來的雙模態(tài)融合做鋪墊。
　　(3)在雙模態(tài)信息融合過程中，首先，為了有效理解用戶的控制意愿，分析研究了視覺模態(tài)下頭部運動意圖的判別方法，以頭部運動速率為判別依據(jù)，提出一

6、種基于動態(tài)背景運動目標檢測的意圖判別算法。然后，介紹了信度層信息融合方法，在頭部有意圖運動前提下，利用求和規(guī)則的組合方法融合視覺和肌電兩模態(tài)頭部姿態(tài)概率結(jié)果，生成控制命令，實現(xiàn)對電動輪椅的控制。
　　(4)在智能輪椅系統(tǒng)平臺的搭建和測試過程中，首先為了探索出一套比較穩(wěn)健的雙模態(tài)智能輪椅人機接口控制系統(tǒng)，設(shè)計了一個行之有效的控制系統(tǒng)方案，并介紹了智能輪椅人機接口系統(tǒng)的硬軟件設(shè)計、基于單片機的電動輪椅控制實現(xiàn)以及電動輪椅控制器的改造，