机器视觉技术作为计算机领域的重要分支，其在智能监控、人机交互、体育运动分析及虚拟现实等方面具有极大的应用空间。因此，机器视觉技术具有重要的研究意义。本文结合模拟智能轮椅的小车，对基于机器视觉技术的人体坐姿进行研究。本文从人脸检测与彩色标记点跟踪两个方面入手以判断不同坐姿。由于处于坐姿下的上半身运动会同时带动头部运动，因此，本文利用对人脸运动的检测来判断上半身躯干的运动；而跟踪腿部标记点的运动则可以判断腿部运动趋势。对于人脸检测与跟踪，本文运用基于AdaBoost算法的人脸检测方法，该方法既可以满足人脸检测的实时性，同时还具有相对高的检测准确度，其中涉及到Haar特征、积分图、弱分类器、强分类器和级联分类器等概念。通过使用级联分类器可以有效的提高检测速度。在人脸跟踪研究中，本文选用KLT(Kanade-Lucas-Tomasi)算法，实现了对脸部目标的实时、准确跟踪。对于腿部运动的判断，采用到彩色标记点跟踪方法。在图像中找出该彩色连通域的中心位置，用1010的黑色矩形标记来跟踪对应标记点的腿部运动。通过对实验数据分析，得出不同身高和不同光照强度对实验结果的影响。将人脸检测与跟踪应用于智能轮椅的控制，设计了智能轮椅模拟小车，包括直流电机驱动模块、避障模块、感光模块等。通过计算机对脸部运动进行判断，由串口发送指令至模拟智能轮椅的小车，控制小车的运动。实验结果证明，该方法可以较稳定的控制模拟器的运动，从而为智能轮椅的运动控制提供一种有效的解决方法，解决（无法使用手柄控制轮椅的）残障人群的基本出行问题。