智能轮椅是通过语音、形体语言等人类习惯和自然的方式进行沟通，代偿实现患者缺失的运动功能，为老年人和肢体残障人士提供一种良好的代步工具。智能轮椅控制系统的设计并不是自主性越高越好，它是一个以人为中心的控制系统，为了能够有效地补偿她/他的不足，充分发挥她/他的主动性，应该考虑到使用者的身体特点。近年来，面对社会上庞大的老年人和肢体缺陷的群体，国内外智能轮椅的研究开发越来越受关注。其中，视觉、肌电等智能轮椅无需手动控制的人机接口得到大量地研究。本文在浙江省科技厅公益项目的支持下，从课题研究的背景和意义出发，首先设计了基于视觉处理的智能轮椅人机接口方法，实现了头部运动的意图判别、人脸的定位和头部姿态估计，然后构建了基于肌电处理的智能轮椅人机接口方法，完成了对头部运动所对应的肌电信号的预处理、特征提取和模式分类，最后引入了双模态信息融合规则，融合了视觉和肌电两种模态信息的识别结果，实现对电动轮椅的控制。本文所做的主要工作及创新点如下：(1)视觉接口控制方法中，首先介绍了基于Adaboost算法的头部姿态估计方法，并针对其人脸定位时易受光照变化、头部附属物及不同角度等影响，进一步探讨了基于活动形状模型(ASM)算法的人脸形状定位方法，在眼睛、鼻子和嘴巴等关键特征点基础上，增加了边界等更多的特征点。然后，在此基础上提出一种多特征点集的ASM头部姿态概率估计方法，利用多数特征点的相对位置信息来提高头部姿态的识别率。最后，给出了不同环境下两种算法的对比实验来验证所提头部姿态概率估计方法的有效性，为双模态的融合打下基础。(2)肌电接口控制方法中，首先在肌电信号的预处理和特征提取阶段，提出一种基于空域相关滤波的小波熵和近似熵特征提取方法，通过分布在肩颈部的电极采集动作产生的多通道表面肌电信号，采用阈值比较和移动平均的数据分段方法确定出活动段的起点和终点，并在小波变换尺度间相关性滤波基础上提取出活动段数据的小波熵和近似熵特征。然后，在肌电信号的分类阶段，针对多种动作模式识别和肌肉疲劳等问题，在双支持向量机两类模式分类理论基础上，推广并提出一种基于增量学习的双支持向量机多类模式分类及Sigmoid概率输出建模算法。最后，在多组UCI数据及肌电数据上对新分类算法进行实验，并与双支持向量机的概率输出和传统支持向量机概率输出及其增量学习进行对比，证明其具有良好的分类精度和分类速度，为接下来的双模态融合做铺垫。(3)在双模态信息融合过程中，首先，为了有效理解用户的控制意愿，分析研究了视觉模态下头部运动意图的判别方法，以头部运动速率为判别依据，提出一种基于动态背景运动目标检测的意图判别算法。然后，介绍了信度层信息融合方法，在头部有意图运动前提下，利用求和规则的组合方法融合视觉和肌电两模态头部姿态概率结果，生成控制命令，实现对电动轮椅的控制。(4)在智能轮椅系统平台的搭建和测试过程中，首先为了探索出一套比较稳健的双模态智能轮椅人机接口控制系统，设计了一个行之有效的控制系统方案，并介绍了智能轮椅人机接口系统的硬软件设计、基于单片机的电动轮椅控制实现以及电动轮椅控制器的改造，为课题的后续研究与开发打下基础。然后在此基础上分别对应轮椅左转、右转、前进、后退和停止五种运动形式，设计了一套有效的测试实验方案，从操控轮椅的运行轨迹和运行时间上对系统性能作了评价，来验证本文设计的智能轮椅人机接口系统的可行性。