随着人工智能技术的发展,虚拟康复已经成为一种有效的运动康复疗法,并被医疗机构和养老机构广泛接受。然而现有的虚拟康复方法在人机交互方面存在自然性差,训练过程不友好的问题,降低了患者的康复体验,导致很多患者难以得到最佳的康复治疗效果。本文针对上述问题,研究了面向虚拟康复姿势识别算法,并开发了相应的训练系统,具体研究内容如下:首先,设计了能满足患者多种康复需求的基于上下肢和躯干局部姿势组合的康复姿势集合,搭建了姿势数据采集软硬件平台,实现了康复姿势数据集的采集、构建和标记。其次,研究了基于多元特征组合和多层学习的康复姿势识别算法。定义了局部姿势类别特征和骨架几何特征描述人体姿势,将不同特征进行特征融合,使用多层学习方法生成训练模型实现不同康复姿势的类别判断,并在自建数据集和公开数据集进行实验,验证了算法的有效性。然后,提出了基于深度森林的姿态识别算法。通过将多元特征作为深度森林输入,利用少量样本进行自适应训练,解决了多元特征组合和多层学习姿态识别算法准确率低的问题,实现姿态识别,并取得较好的识别效果。最后,构建了基于自然交互的虚拟康复姿态训练系统。该系统可以实现姿势和动作的自动数据采集,能够实现特征的提取和保存,并能够结合虚拟现实任务,进行所定义的康复姿势的训练。