康复治疗能有效解决重大疾病产生的后遗症问题,帮助患者恢复生理机能。其中,康复训练是最为常见的一种康复治疗方式,对病人的术后恢复有重要意义。随着康复训练的普及,在医疗机构由专业治疗师一对一指导的康复训练方式已无法满足当今形势下的社会需求。而自主居家康复训练因缺少专业治疗师的监督与指导,其康复治疗效果难以得到保证。上述现状使得医疗领域对智能康复训练系统的需求日益突出。在智能康复训练系统的众多技术中,动作评价担任着治疗师这一重要角色,具有评估和改善人体动作质量的能力,是系统的主要研究内容。动作评价的研究任务主要分为量化和反馈两部分,现有研究常把动作量化作为研究重点,忽略动作反馈对人体动作质量的改善能力,进而影响康复训练效果。动作反馈的可视化是动作评价实现人机交互的主要方式,而人类视觉系统的成像原理使反馈的可视化视图常存在遮挡问题,导致动作评价对不标准动作的改善效果受到影响。针对康复训练的动作改善问题,本文将个性化反馈作为研究重点,提出基于时空优化的个性化动作评价方法。首先,使用堆叠沙漏网络和半动态超图神经网络进行三维人体姿态估计,获取视频中的人体骨架序列数据;然后,分析标准动作骨架序列和训练动作骨架序列的时空特征,使用骨架重定向和改进的DTW算法实现人体骨架序列的时空对齐,并计算人体关节评分,得到动作评价的量化结果;最后,使用动作量化得到的关节评分计算身体部位的杰卡德相似度,以两骨架之间的拟合误差构造目标函数,同时使用骨架拟合方法得到动作评价的反馈结果,并生成可视化导引动作。实验结果表明,本文提出的方法在动作评价的量化任务和反馈任务中,能够充分利用人体动作的动态时空特征,获得更符合康复训练需求的动作评价,帮助患者改善动作质量。针对动作反馈可视化视图的遮挡问题,本文将视点的动作信息获取能力作为研究重点,提出面向个性化动作评价的最佳视点选择算法。首先,根据人类视觉系统的成像原理,分析不同视点下骨架正投影视图的特征,提出两种衡量骨架可见性的视点选择度量;然后,根据人类视觉系统的深度感知能力,分析个性化动作评价反馈结果的运动特征,提出一种衡量动作显著性的视点选择度量;最后,构造视点选择目标函数,使用改进的LM算法计算导引动作的最佳观察视点。实验结果表明,本文提出的算法通过迭代优化视图“价值”,可以快速地获得符合用户习惯的观察视点,改善动作反馈可视化视图的遮挡现象。