随着国民生活水平的不断提高与人口老龄化程度的逐渐加重,人们越来越关注自身运动机能的健康状况,而运动机能的下降是危害人们日常生活的主要因素,尤其是膝关节运动机能的不良变化将会直接影响到人们的正常活动。针对这一现象,本文提出了一种基于深度相机的人体健康监测方法,并开发了一套人体健康监测系统,通过非接触式监测有效地提升了人体膝关节健康监测方法的实用性与便利性。本文的主要工作和创新点如下:(1)使用了一种基于DenseNet在深度图像中获取人体关节点的深度学习算法,标注了一个由深度图像组成的人体关节点数据集,在该数据集上进行训练并测试,达到了[email protected]为97.99%的性能指标。(2)对Kinect相机获取的人体关节点数据进行了降噪处理,从人体运动过程的立体空间数据中得到了人体膝关节的运动波形,通过小波分解处理在保留低频运动信号的同时抑制了高频噪声信号,经过小波重构得到了降噪之后人体膝关节的运动波形。(3)建立了人体主动式与被动式两种运动模型,主动式运动模型是由受测者自主完成规定动作来对膝关节健康状况进行监测与分析;被动式运动模型是由受测者跟随健康人体仿真模型进行运动,通过分析其运动过程与健康仿真模型之间的拟合程度对膝关节健康状况进行监测。对两种监测结果进行融合,得到了对受测者膝关节健康状况的评价。(4)搭建一套人体健康监测系统,实现了对人体膝关节运动数据的采集、处理和健康状况的预测,通过设计可视化界面使该系统的操作更加的方便;同时,该系统可以显示人体膝关节在运动过程中的变化情况与膝关节健康状况的实时监测结果。通过本文提出的方法,可以有效地实现对人体膝关节健康状况的非接触式监测,为人们提供更加方便的健康监测方案,监测结果可以反映人体膝关节运动机能的健康状况。