在日常生活中,老年人的运动能力和身体状况会随着年龄的增加而逐渐减弱。在临床上,老年人患病概率较高,尤其是脑部神经系统损伤引起的肢体功能障碍,因此有效的肢体功能评价方法对客观地评估患者或者老年人的运动功能非常必要。但往往很多患者或者老年人在肢体运动功能评估过程中易受到医疗康复资源分配不足的影响,导致不能长时间进行有效的评估,有可能错过最佳康复时机。现有的运动功能评估系统存在评估便利性不足、测量部位不统一以及评估内容不统一的问题。本课题针对上述存在的问题,研究开发一套基于智能鞋垫的运动功能评估系统,本文的主要内容如下:一、设计并搭建一套运动功能评估系统。整套系统由智能鞋垫以及个人电脑组成,实现“终端——客户端”一体化的运动功能评估系统数据采集平台。采集数据时将智能鞋垫置于鞋内,实时采集用户的相关运动信息,通过蓝牙将数据传至个人电脑进行数据处理分析。二、完成了运动功能量表数据集的采集。实验选取五种动作（站坐、慢跑、步行、上楼梯和下楼梯）进行研究,共采集8个无运动障碍的受试者,每人采集两次（一次健康人数据和一次负重采集数据）,共采集到十万多个原始数据。此外,为验证结果的可行性,将采集到的两个数据集进行相应的预处理并进行结果对比。三、分析基于不同传感器的动作分类方法。先选取人工合成样本技术对数据集进行类别均衡化处理。再应用五种不同的传统算法对三轴加速度计和压力传感器的分类精度进行分析。最终综合不同的性能指标得出,在动作分类中三轴加速度计在随机森林算法上可以达到100%,压力传感器在SVM算法上总体可以达到96%以上。四、设计基于智能鞋垫的步态分析和评估系统。先对压力传感器数值量化编码后,使用峰值检测算法求出步频、步数。再根据压力传感器受力过程进行周期分割,获取周期、摆动相和支撑相时间。接着对压力数值进行动静态分区,分析健康人非负重和负重状态下的差异。最后根据适合智能鞋垫的量表评估获得评估结果,判断受试者是否运动功能受损,生成评估报告。实验结果表明:该系统采用随机森林算法在三轴加速度上的分类结果灵敏度与特异性优于压力传感器,在步态分析上,压力传感器相对于三轴加速度计分析得到的步频和实际步频更接近,比较两个数据集下步态特征参数和压力特征参数之间的差异性,验证智能鞋垫用于运动功能评估的可行性。