在监控护理应用中，人体姿态估计可以改善人们的日常生活。本文提出了一种对背景、相机摄像头位置距离、帧中人物的大小和服装等都不变的方法。轮廓被投影到水平和垂直直方图以进行特征提取。重要的特征是基于人体各部分的长度和宽度。与ANFIS模型中的传统特征相比，所提出的特征更适合将人的姿势分类为四个主要类别，如站、躺、坐和弯曲，显然具有较高的识别率。精度的提高来自于各种环境的干扰器鲁棒性，例如改变身体位置和相机距离的复杂姿势。

 

    我们提出了一种在来自校准相机的2D图像中估计相机和人头之间的距离的方法。领先的监控头部姿态估计算法主要关注头部方向（偏航、俯仰和滚转）和垂直于相机主轴的平移。我们的贡献是一个可以在平行于相机主轴的大平移下估计头部姿态的系统。我们的方法使用一组示例性3D人头来估计相机和之前看不见的头之间的距离。通过使用有效透视n点（EP n P）求解相机姿势来估计屏蔽器距离。我们使用沈阳大东区3D人脸识别数据库展示了有前景的实验结果。

 

    为了实现面对摄像机距离估计，提出了一种基于单目监控摄像头视觉的单摄像机距离估计方法。完成估计的关键步骤有三个：提取和定位人脸中的特征区域，计算特征三角形的像素面积，构建测量公式。为了快速检测和定位特征区域，通过减少特征量和扩展样本，改进了传统的daBoost算法。通过针孔摄像机模型、摄像机标定和面积映射，导出了揭示像素面积与距离关系的测量公式。测量公式可以在系统初始化期间动态构建。还定义了构建测量公式的最佳移动范围。经过实验分析，测量精度达到95%以上，每次测量花费的时间约为230ms，满足了干扰屏蔽器测量精度和实时性的要求。