脑卒中是严重危害人类健康的难治性脑血管疾病，具有发病率高、致残率和死亡率高的三大特点。虽然早期预防和治疗能够大大减少脑卒中的发生，但是临床发现大部分病人在症状已经较为明显甚至发病时才会去医院就诊。另一方面，目前医生只能通过分析临床检查参数对脑卒中疾病进行预测，但是老人大部分时间在家里度过，频繁的医疗检查不仅费时费力而且需要一定费用，对于居家老人也具有不便之处。所以利用普适计算技术让老人在家就能够方便地了解自己的意识认知能力，及早预警脑卒中疾病的发生是非常有意义的。　　本文针对上述问题提出并研究了一种解决方案，让老人在家就能够测试脑部意识控制能力，从而实现初步的神经检查和脑卒中预警。本文基于医学领域能够反映老人意识认知能力的神经心理学测验TMT(Trail Making Test)，通过采集大量健康人和脑卒中患者的测验数据，建立老人脑卒中预警分类模型，实现面向TMT的手指虚拟交互系统。当测试老人的表现跟脑卒中患者的表现相似的时候，系统给出脑卒中预警，并建议其去医院复诊和治疗。　　本文主要完成了以下三方面工作:　　提出了实时稳定的单指尖的识别和跟踪方法。首先基于深度信息实现了单指尖的检测SFSDA(Single Fingertip Static Detection Algorithm)，包括手掌区域分割、轮廓计算、凸多边形计算和指尖检测四个部分。然后在单指尖识别和手掌姿态检测的基础上，提出一种手掌姿态自适应的卡尔曼滤波器PPS-KF(Palm Posture Self-adaption Kalman Filter)。实验证明，本文提出的方法最终将绘制圆圈、矩形和正弦曲线的单指尖识别准确率提高到了90％。　　建立了面向神经心理学测验TMT的脑卒中预警模型。本文首先采集了大量健康人和脑卒中患者的测验表现数据，在特征提取和基于关联规则的特征选择后，分别采用支持向量机SVM(Support Vector Machine)和极速学习机ELM(Extreme Learning Machine)建立了老人脑卒中预警模型，其中SVM的平均分类精度能够达到91.28％，ELM的平均分类精度能够达到89.48％。　　设计和实现了脑卒中预警交互系统，并且在老人社区进行了试点工作。测试老人只需要伸出手指连线就可以完成测验，系统自动记录测验过程并对老人的脑部意识控制能力给出评价，对评价为“弱”的老人给出高风险预警。