在医疗康复领域,人工辅助康复和机器辅助康复是两种最主要的方法。机器辅助康复因其功能性单一、设备造价昂贵、维护成本较高等问题市场惨淡;人工辅助康复效果好、交互性好,但是病患人数远大于康复教练人数这种不对等的供求关系导致了人工辅助康复资源的极度匮乏。针对上述机器康复成本高、难维护,而人工辅助康复资源匮乏的现实问题,提供一种既能适应病患者购买能力又能缓解医疗资源不足的医疗康复系统是医疗康复领域的重要课题。为了解决上述问题,本文以人机交互理念为核心,以微软Kinect设备为硬件基础,以检测人物运动与标准训练动作相似度作为文章研究的主要内容,旨在通过Kinect骨骼追踪的技术配合动作流相似性匹配算法为需要进行拉伸康复训练的人群和病患者提供一种在公司、在家就可以进行训练的简单、高效的康复性训练系统。本文的主要工作如下:(1)介绍Kinect的基本硬件架构和软件开发环境,阐明康复训练系统的整体系统架构,整体系统架构包括系统逻辑架构和系统数据流。整个系统由病患用户、Kinect设备以及专业医护人员组成。首先医护人员根据专业的医学知识建立标准康复动作训练库保存在系统中,病患用户根据标准动作进行康复训练并由Kinect捕获用户的动作,再由系统进行数据处理并对比两个动作的相似性,最终反馈给用户本次训练的准确性。(2)研究动作相似性匹配的算法。本文采用基于角度测量的姿势识别算法进行静态姿势识别;采用动态时间规整(Dynamic Time Warping,DTW)算法进行动作流相似性匹配,并利用随机抽样一致性(Random Sample Consequence,RANSAC)算法进行匹配结果校验。通过建立标准动作库,再利用Kinect实时采集病患者的空间深度信息获取人体骨架结构,识别人体姿势并重建病患的动作流,以两个动作流之间各帧姿势的欧式距离之和为标准进行动作的匹配,评估病患者完成康复训练动作的质量。(3)算法的实验验证和准确性分析。对于静态姿势识别算法,自定义三个静态姿势,对于每个姿势让多个不同人物多次进行实验验证识别结果。对于动作流相似性匹配算法,设定好三个标准动作流,让不同的人分别进行三个动作的匹配检测。分析算法验证结果以及改进算法准确度的方法。(4)详细介绍整体拉伸康复训练系统的设计与实现,包括人体骨骼数据流的获取、骨骼数据的存储方式、数据的优化处理、系统各个模块的设计和联系、基于XNA Game Studio平台的Avator人物模型的构建以及整体的系统界面使用。