随着人口老龄化速度的加快和社会压力的增加,出现肢体功能障碍疾病的患者也日益增多。运动疗法作为一种传统且高效的康复技术,具有成本低且效果可靠的特点。然而现有的运动康复方法需要在专业的医师指导下进行,训练过程枯燥且乏味,患者往往难以长期坚持,导致很多患者难以得到最佳治疗效果。本文针对上述问题,研究了在计算机程序辅助下的康复训练技术,并针对康复训练中姿势和动作自动识别问题进行了深入研究,具体研究内容如下:首先,提出了基于规则学习的康复姿势识别算法。定义了两类特征描述人体姿势,结合Bagging算法和随机子空间算法增加样本及特征的多样性,提高了子分类器对不同样本的各自的分类优势。并使用基于规则学习的方法生成分类规则集,用于训练系统中作为区分不同康复姿势的判别规则。设计了针对康复训练的姿势数据集,并将其应用于算法的验证及系统的实现中。然后,提出了基于多规则约束的动作识别算法。针对Kinect获得的动作数据,提出了多规则约束方法定位动作,将连续动作自动划分成短的多段动作数据;同时结合DTW(Dynamic Time Warping)算法对得到的分段动作数据进行分析,得到最终的匹配动作标签,实现了动作识别,并在建立的康复动作数据集上取得了较好的识别效果。最后,结合康复姿势及动作识别算法实现了康复训练系统的搭建。通过分析康复需求设计了训练场景,该系统集成了姿势及动作识别算法,能自动为采集者统计执行姿势及动作的次数,输出执行动作准确度等评价指标,也能保存用户的关节点动作数据,为训练过程提供了多种参考。