随着科技的发展、物质条件的丰富以及社会人口老龄化进程加深,养老的需求变得越来越大。一些残疾人士缺乏手部操作能力,日常生活起居很不方便。研发一款智能、高效、廉价的养护设备帮助这部分手部不方便的老年人或者残疾人士完成一定的日常操作就显得很有必要。本研究主要运用当今热门的机器视觉技术,基于Dlib人脸识别库和CK+表情数据库,通过支持向量机（Support Vector Machine,SVM）实现对不同表情的识别;通过深度卷积神经网络实现对头部动作的检测;通过预设的表情“中性”、“愤怒”、“开心”、“厌恶”来对应指定的指令,控制机械臂抓取水杯送到用户的面前。结合机械臂、电动轮椅等硬件,设计了一套全新的控制系统。用户可以通过表情和头部动作来控制机械臂进行物体的抓取以及轮椅的移动,完全解放双手,为重度残疾病人使用轮椅提供了一种新的可能,也为智能养护设备的发展提供了新的思路。此外,针对该系统中存在的时变非线性问题,进行了相关研究,提出了一种新型变参递归神经网络求解方法。本文主要研究工作包括如下4点:（1）利用RGB摄像头捕获人脸,Dlib人脸数据库进行68个特征点的标定,Open Cv进行图像化处理最后通过线性SVM进行表情分类获取用户的表情信息;（2）通过multi-loss的卷积神经网络将二维点映射到三维点,实现对头部偏转角度的预测,完成对电机的控制,从而实现轮椅的运动;（3）整合视觉模块、判断模块、执行模块的轮椅本体以及Kinova机械臂完成轮椅机械臂系统;（4）关于系统中时变非线性问题,根据神经动力学的设计方法结合跳跃函数、激活函数等设计理念,提出变参递归神经网络求解方法。系统的试验结果表明:有别于传统的摇杆控制方法,用户可以仅通过面部表情完成对机械手的控制,表情的识别率在91.25%以上。通过和头部动作控制轮椅的前后左右运动,头部姿态的预测准确率在93.75%以上。能够让没有手部操作能力的高度残疾人有一个新的操作体验,也为康复设备的研发提供了一个新的思路;多种误差函数的仿真结果表明,变参递归神经网络相较于传统的固定参数零化神经网络在求解时变非线性问题上具有明显的优势。