我国残疾总人口约为8296万，其中肢体残疾患者以29%的比例高居首位尤其近年来，因各类事故以及中风等疾病所导致的上肢运动功能障碍人数呈显著上升之势上肢运动功能障碍严重影响患者的日常生活，降低患者的生活质量除了常规的手术治疗之外，康复治疗是此类患者恢复运动功能必不可少的有效手段目前传统的康复治疗多是在理疗师的人力帮助下进行单调乏味的重复性作业训练，其成本高自主性差且无法对康复效果进行实时准确的评价为此，本文设计了一种面向上肢运动功能康复训练-测评的单目视频人体动作感知与识别技术，旨在通过运动手部动作跟踪及静态手势识别的方式实现康复过程中的自动人-机交互控制，同时在线获取上肢关节角度信息用于康复评价研究中首先利用单目摄像头采集带有标示颜色手套的被试在三种典型上肢关节运动模式（肩关节冠状面运动肩关节矢状面运动肘关节矢状面运动）的视频图像以及9种不同手势命令的视频图像，摄像头的高度以及距离人体的距离根据人体解剖学统计和摄像头透射模型确定后续的运动手部目标跟踪采用具有较好鲁棒性以及时间复杂性较低的Camshift算法，通过跟踪获取手部的实时位置坐标信息静态手势识别分别通过预处理（手势分割边界提取降采样等）获得手势的边界轮廓，提取傅里叶描述子边界方向直方图边界不变矩三种特征，利用模板匹配对270例手势图像样本进行训练，540例进行测试，并对结果进行了对比分析；而后在特征层上进行了融合，有效提高了整体识别效果（平均识别率为91.85%，最高识别率达100%），弥补了单一特征信息的不足关节角度提取尝试了两种方法：基于Hough变换的直线检测和基于跟踪结果的向量方向角，文中利用VICON动作捕捉系统与两种方法进行了比对分析，三种运动模式各取800例图像样本，两种方法的角度平均误差分别为16.34°和3.34°，相关性分别为0.833和0.885，结果显示了基于跟踪结果的向量方向角方法在关节角度提取方面的技术优势本文研究成果有望进一步应用于融合机器视觉与虚拟现实技术的上肢康复临床实用系统的研制与开发