当下,因坐姿不标准而带来的健康问题日益严重。对于特定的人群,长时间保持不健康的姿势,不仅对身体造成伤害,而且由此产生一系列的消极心理问题,也越来越突出。基于此,建立坐姿的检测并给予正确的指导监督显得至关重要。通常条件下运用接触式传感器或视频监控的方式检测常规的坐姿,但实际检测过程中会受到多种因素的影响。因此本文在基于机器视觉相关方法检测的基础上,结合Ada Boost算法和支持向量机算法,对特征提取和坐姿分类进行了研究,并进一步研究了遮挡部分人脸情况下附加动作的识别。本文采用Ada Boost算法和Harr特征训练人脸级联分类器和人眼级联分类器,利用“积分图”降低了计算量。并且讨论了在遮挡情况下对人脸附加动作特征的检测,提出了基于椭圆肤色模型检测手部托腮情况和霍夫线变换检测含笔情况的人脸特征检测方法。通过对摄像头实时采集的图像进行预处理,提取人脸区域中的人眼坐标特征以及人脸面积特征,提出本文的坐姿特征提取方法和附加动作的特征提取方法。最后采集了特征数据,对缺失和异常的特征数据进行剔除,使得到的数据更加有效可靠。设计了支持向量机的坐姿分类器,并且对附加动作进行了判定。最后实验通过改变不同核函数的参数,确定了线性核的最佳C值为0.7,径向基核的最佳C值为2.1,最佳g值为0.001。并得出线性核函数和径向基核函数的平均识别准确率,分别为99.0%和94.0%,因此,选用线性核函数的模型进行训练并且保存训练结果。使用VS2015和MFC框架在电脑端设计了坐姿检测系统,并将上述训练模型导入,最终对被测者的坐姿和附加动作的识别率达到94.0%以上。实验验证了背景较为复杂和光强较高或较低对附加动作的识别有一定的影响,但是对坐姿的识别率依然能够达到94%以上,验证了本系统的稳定可靠性。综上,本系统能够有效的检测识别出学生的姿态变化,为提醒和督导学生保持良好坐姿提供了指导性方向。