帕金森病是一种常见的神经性系统退化疾病,每年帕金森病人的数量都在快速增长。临床上主要依靠医师的主观经验对帕金森病人的病情进行分析评估,由于人为的主观性容易造成一定的误判。为了准确客观地评估帕金森病情,本文针对帕金森病运动症状,提出了一种基于视觉系统的帕金森病情等级评估方法。利用视觉系统配合标记点采集运动数据,通过标记点定位算法提取各帧图像中标记点位置并以此得到人体运动信号,从运动信号中提取相关特征参数,并建立分类模型进行帕金森病情等级评估,在临床上为医师评估和治疗提供一种帮助。本文主要围绕视觉系统的设计与实现、标记点定位算法、特征参数提取及分析和帕金森病情等级评估方法几个方面展开研究,主要内容如下:（1）结合帕金森病运动特征和帕金森病评估量表设计了实验任务。为了准确得到人体运动数据,设计了一种视觉系统并配合光学标记点进行运动数据采集,整个系统设计包括图像采集单元的选取、同步控制单元的实现以及标记点的制作,同时利用张正友标定法对视觉系统进行了标定。（2）研究了视觉系统中标记点定位问题。首先介绍了目标跟踪算法中的核相关滤波算法,然后使用基于HOG特征和颜色特征的核相关滤波算法进行了目标跟踪,得到每帧图像中包含标记点的相关ROI区域,减少了圆形标记点提取过程中背景的干扰。对标记点ROI区域进行图像分割得到标记点图像,为了提高标记点的检测精度,使用Zernike矩提取标记点的亚像素边缘,并利用最小二乘法拟合圆心,最后根据双目视觉定位技术得到标记点三维坐标,实现了视觉系统中标记点的定位。(3提取并分析了帕金森病情等级评估特征参数。根据图像序列中标记点三维坐标获取人体运动信号和基础参数,分析了帕金森病人的运动特征,利用离散步态对称性指标、去趋势波动分析法和近似熵提取了对称性以及非线性特征,最后对提取的特征参数进行标准化处理,消除了不同量纲对实验评估结果的影响。（4）建立了帕金森病情等级评估模型。利用KNN、支持向量机和BP神经网络三种机器学习模型进行帕金森病情等级评估研究,采用模型性能评估指标比较了三种模型在帕金森病患者和正常人的分类实验以及帕金森病情分级实验中的模型评估性能。实验表明本文提出的基于视觉系统的帕金森病情等级评估方法可以量化分析帕金森患者病情以及较好地评估帕金森病情等级,为帕金森病诊断和治疗提供一种积极的参考意义。