柔韧性适能作为健康体适能的一项重要指标,在保持人体健康中扮演着重要角色。然而现今的柔韧性检测方式依然依赖于传统的测试仪器,使得测量需要耗费大量的人力物力,且其测试指标用手指前伸的最远距离代替屈体角度的测量,准确率需要提高。随着计算机及图像处理技术的发展,传统的柔韧性检测方式被智能检测方式取代是必然的趋势。基于此,本文提出了基于屈体图像分析的人体柔韧性检测技术,并设计开发了一个用于检测大学生健康体适能检测系统,包括柔韧性适能的检测。利用数字图像处理技术对人体屈体图像进行处理,实现柔韧性检测。本文的主要工作如下:(1)基于混合滤波的Canny算子和特征点提取的人体屈体角度识别。针对Canny在滤波、梯度计算和阈值选取上的缺陷,分别使用有引导滤波与中值滤波组合而成的混合滤波器对图像进行平滑处理,增加提取计算方向,使用最大类间方差法进行阈值连接。最后在提取的边缘信息的基础上提取出人体的头部、臀部、脚部的特征点进行屈体角度的计算。通过实验分析,相较于传统的Canny算子,此改进的Canny算子有更好的抗噪性,且能检测出较多的边缘信息,最终屈体角度识别结果的误差率为0.0945。(2)基于高斯滤波的Canny算子和改进型特征点提取的人体屈体角度识别。在上一种方法的基础上,对人体屈体角度识别算法进行改进。分别改进其滤波方法与梯度计算方法,使用改进的高斯滤波与自适应中值滤波代替上述的混合滤波,使用基于帕斯卡三角的模板进行梯度计算。在上一种的特征点提取方法的基础上提出一种改进型的特征点提取算法,分别提取出人的肩部、臀部和腿部的特征点,实现屈体角度的计算。通过实验分析,该改进的Canny算法在边缘检测上的性能比上一种方法和传统的Canny算子更好,最终屈体角度的识别结果的误差率为0.1010。(3)基于智能手机的柔韧性适能检测软件开发。利用Android Studio进行系统开发,研究基于智能手机的柔韧性适能检测流程与实现,实现了用户的注册、登录、体适能检测、测试历史查询等功能,并介绍了基于屈体角度的人体柔韧性适能的评价指标,实现对人体柔韧性适能的测量。