在计算机视觉技术快速发展的背景下,本论文旨在研究人体姿态识别技术算法在运动康复测试领域中的应用可行性,目的通过人体姿态关键点的识别与处理来实现Y Balance Test的全流程自动化检测与评分,以此来降低传统人工形式YBT学习与使用的门槛,扩展其使用场景,为康复治疗技术的推广应用提供新的思路。本论文首先采用了 MediaPipe框架下的BlazePose人体姿态关键点检测算法,预测出了普通三维人体坐标值作为原始输入数据,通过特征工程和分类算法的设计,实现了对YBT测试动作的识别分类与计数功能。在该动作识别模型的基础上,本研究通过对BlazePose算法识别得到的另一组基于真实世界的三维人体关键点坐标数据进行优化处理,实现对YBT测试过程中各个动作方向受试者最大伸出距离和受试者下肢长度的直接获取,从而计算得到前侧左右差值、后外侧左右差值、后内侧左右差值和YBT综合分数共4个YBT测试评价指标。在YBT自动评分算法的实现过程中,通过对训练集数据剔除率的分析,发现BlazePose算法在缺乏上下文信息的情况下对静态图片中人体关键点进行预测的能力具有一定波动,在某些人体关键肢体部位遮挡严重的情况下,BlazePose识别的准确率较低。但训练后的YBT动作识别模型在本研究中测试集数据上表现较好,总体识别准确率为96.7%。对于最终实现的YBT自动评分算法,本论文对传统人工YBT测试结果与YBT自动评分算法结果使用组内相关系数的方法进行了一致性分析,前侧差值、后侧外侧差值、后内侧差值和YBT综合分数这四个结果指标所对应的ICC值分别为-0.009、-0.279、0.124和0.040。一致性分析表明现阶段BlazePose所预测出的基于真实世界的三维人体关键点数据精度不能满足YBT测试的直接需要,基于该识别模型的YBT自动评分算法暂时不能代替传统人工的YBT测试。综上所述,本研究通过对MediaPipe框架下BlazePose算法的应用,实现了对YBT测试动作的分类计数以及测试过程中各个动作方向受试者最大伸出距离和受试者下肢长度的直接获取。最后经一致性分析验证表明,目前实现的YBT自动评分算法结果欠佳,需要进一步优化和改进。但YBT动作识别模型对于YBT测试动作识别准确率较高,可以由此进一步开发相关训练指导产品。