在现代康复领域,手臂动作识别作为实现智能康复的重要工作,受到研究者的广泛关注。若能识别不同肢体功能障碍患者的身体状况和康复需求,将动作识别与人机交互技术结合,为患者定制康复训练策略,则可以较好地实现现代康复训练的高效化与智能化。本文针对手臂动作识别中存在的难点和问题,开展了理论分析和实验研究,主要研究内容如下:首先,针对Kinect传感器随机误差较大的特点,将等式约束的理念引入卡尔曼滤波器,设计了具有恒定长度骨骼特性的人体骨架拓扑结构,提出了一种带有等式约束的限制性卡尔曼滤波算法,建立了改进的卡尔曼滤波器的滤波实验模型;针对关节活动度计算结果局部随机误差大的特征,引入了卷积滑动平均的概念,设计了一种自适应卷积滑动平均滤波器。其次,为获取人体关节活动度计算的连续方程,基于Kinect传感器获取的人体骨架拓扑结构,提出一种基于关节点空间序列的人体活动度测量方法,分析了影响活动度测量精度的因素,设计了一种基于Kinect传感器的康复运动信息获取系统;针对活动度测量过程中医患遮挡问题,基于人体运动学约束特征,建立了应用于关节点丢失或识别错误情况的人体关节点修复模型。再次,针对用户需求个性化和多样化的特点,详细设计了程序的处理流程和设计流程,开发了手臂动作识别的软硬件平台,优化了软件的系统架构,搭建了人机交互界面,开展了系统实时测试实验。最后,为验证测量系统稳定性与准确性,开展了手臂动作识别系统静态实验和动态实验,结合实验数据对实验结果进行了假设性检验,分析了实验过程中产生的误差;同时,面向生物融合式肘腕康复机器人,设计了人机同步的运动控制方案,提出了一种新的远程康复训练模式。