康复医学是医学领域的一个新分支学科,近年来康复医疗需求群体不断扩大,不断增长的康复服务需求加之发展尚未健全的康复医疗条件,使得居家康复作为康复医学中一个新兴领域正在快速发展。但是传统的居家康复目前存在着由于无人看管导致训练不系统、缺乏专业治疗师的指导导致动作不规范,容易造成二次伤害等问题。而当前随着计算机技术的不断发展,人工智能赋能康复医疗行业,居家康复逐渐有了智慧。基于上述背景,本文提出将基于计算机视觉的人体姿态估计与姿态相似度评价技术应用于偏瘫患者居家康复过程,设计一套基于深度学习的康复训练动作评价系统,用户可以在屏幕中看到摄像头拍摄的训练动作,同时能看到根据标准动作得到的每个动作的评分以及整体训练评价;患者可以据此评分进行动作纠正,通过系统的康复训练矫正异常姿势,达到有效居家康复的目的。首先设计人体姿态估计算法,采用目标检测SSD模型+单人姿态估计Simple Baseline方案,实现单个静态姿态的人体关键点检测。接着设计康复动作评价体系,建立康复训练的标准姿态数据库,通过姿态相似度评价方法,判断患者当前的姿态类别,并完成单个静态动作的评分;再结合每个动作持续时间、相邻动作时间间隔以及动作顺序是否符合标准等进行二级打分,得到整段康复训练的总体评价。考虑到设备的轻量化,接着将服务端训练好的Py Torch模型转换成端侧神经网络推理框架MNN模型,并移植到RK3399开发板上,实现嵌入式开发板上的姿态评价;最后设计图形化的用户界面软件,使得用户在外接的显示平板上实现与系统的交互。从实验结果来看,本文提出的算法和设计的康复训练动作评价方法符合康复标准,整体系统的评价体系科学、准确、有效,很好地完成了课题的目标。并且本系统提供一个灵活的框架,用户可以自定义标准姿态,实现功能的个性化定制,康复训练类型广泛。本文对于我国智慧化的居家康复具有参考与借鉴意义。