自闭症谱系障碍（Autism Spectrum Disorder,ASD）是一种神经发育障碍,核心症状主要包括社会交往障碍和重复刻板行为两个方面。尽早接受特殊教育干预可显著改善患者症状,提高其生活质量。早发现是ASD儿童及时接受教育干预的前提。传统的ASD儿童发现过程主要依赖具有专业资质的专家评估,然而由于该领域专家严重不足,ASD儿童往往不能够被及时发现。筛查是ASD发现过程中重要的环节,其目的在于快速发现可能患有ASD的儿童并将其转诊以接受全面的诊断评估。发展高效低成本的辅助筛查方法能够有效提升筛查环节的效率,优化ASD儿童的发现过程进而有助于改善ASD儿童发现不及时的现状。由于ASD儿童的核心症状之一是社交缺陷,而自然社会互动视频能够反映儿童的社交能力且容易获取,因此是ASD儿童辅助筛查的重要信息来源。自然社会互动视频中有丰富的特征,其中量化运动特征是ASD诊断的关联特征且易于自动提取,有潜力应用于自动化的ASD辅助筛查方法。此外,机器学习技术可以自动挖掘出数据中的潜在模式,目前已被应用于ASD儿童的自动分类。综上,为促进高效低成本的辅助筛查方法的发展,有必要研究基于自然社会互动视频中运动特征和机器学习技术的ASD儿童自动分类方法。发展该方法需解决以下三个环节中存在的关键问题:（1）数据清洗,（2）特征发现,（3）特征选择及分类。具体包括:（1）控制社交参与状态对互动的影响以降低无关因素对分类效果的干扰;（2）发现适用于自然互动场景的运动特征以提升特征集的鉴别力;（3）选择鉴别力强、稀疏和稳定的特征集以优化分类器的性能和泛化性。针对以上问题,本文首先设计二元社交参与状态的编码方法,提取具有相同二元社交参与状态的互动片段,提升社会互动数据的同质性;同时通过文献调研探索具有一定情境鲁棒性且与ASD核心症状相关联的运动特征,验证学龄前儿童在此类特征上是否表现出异常;最后从运动特征集中选择最佳特征子集以优化分类器性能,同时降低特征空间维度以构建具有良好泛化能力的分类器并发现其中的稳定特征。本文研究工作具体体现在以下几个方面:（1）社交参与状态编码表的设计与验证。根据母婴互动社交参与状态编码方法、儿童早期社交能力评估工具、社会互动相关文献以及我们对儿童自然社会互动的初步观察,提出适合于教师-学龄前儿童自然游戏互动的二元社交参与状态编码表。采集相关互动视频并训练编码人员进行编码。通过对各编码时间占比的分析验证了该编码表的设计具有一定合理性以及基于该编码表进行数据清洗具有一定必要性。（2）自然互动场景下学龄前ASD儿童人际运动同步特点分析。通过对ASD个体人际运动同步的文献调研提出人际运动同步可能是适用于ASD儿童自动分类的特征,并开展实证研究探索学龄前ASD儿童的人际运动同步特点及其与自闭特征间的关系。具体来说,采用计算机视觉技术从自然互动视频中自动提取身体平移运动和头部旋转运动特征,利用信号处理技术和同步计算方法提取两种运动形式对应的人际运动同步特征,采用统计检验方法比较ASD组儿童与典型发展组儿童在人际运动同步上是否有显著差异并分析ASD儿童人际运动同步特征与自闭特征间的相关。通过以上实证研究为在ASD儿童自动分类器构建中引入人际运动同步特征提供理论和科学依据。（3）基于自然社会互动视频中运动特征的ASD儿童分类及特征分析。首先,采用特征选择方法从运动特征集中发现最优特征子集以构建性能最优分类器;其次,选择能够满足临床筛查工具标准的最小特征子集以构建性能可接受且具有较强泛化能力的分类器;最后,从最小特征子集中提取稳定特征以便于数据集扩大时快速构建新分类器,同时为ASD行为标记的发现提供相关信息。通过以上研究,本文最终实现了一种基于自然社会互动视频中运动特征的ASD儿童辅助筛查方法,解决了当前相关方法自动化程度不足的问题。该方法具有良好的性能并且能够有效降低筛查工作的人工成本,有助于促进ASD儿童的早期发现,为推动特殊教育的普及提供技术助力。