表 1. Comparison of research results and performance of eye-control wheelchair technologies.

眼控轮椅技术的研究成果与性能比较

文献	分类方法	识别类型	平均准确度	备注
[12]	眨眼时长	4向眼动、有意眨眼	98.70%	利用4种不同方向的眼动类型和最邻近节点算法分类
[28]	眨眼阈值	4向眼动、有意眨眼	90.00%	利用4种不同方向的眼动类型驱动轮椅沿4个方向运动
[18]	阈值自适应	无意眨眼、单次、两次有意眨眼	98.28%	采用相关系数作为特征值，径向基函数作为特征分类器
[19]	阈值自适应	单次、两次、三次有意眨眼	93.89%	利用眨眼速度及信号的幅度、持续时间进行多阈值分类
[21]	模式识别	2向眼动、有意眨眼	92.25%	利用2种不同方向的眼动类型和小波变换提取特征，随机森林算法分类
[29]	多模态	有意眨眼、扬眉运动	96.20%	轮椅速度0.2 m/s，位置精度达0.23 m
[30]	多模态	两次眨眼	约90.00%	借助蓝牙模块完成端到端的控制