随着社会的快速发展,人们的生活节奏在加快,在出现轻度病症时,会存在疲于去医院的现象,导致病情加重。除此之外,慢性病（如骨关节炎）的康复对于患者来说,康复是一个漫长的过程,如若不能居家康复,则需要频繁去医院或康复机构,增加了医院接诊压力的同时也增添了患者的麻烦。近来年涌现出了许多在线问诊系统,可以满足轻度不适人群的远程问诊需要。病人可以预先通过在线问诊平台初步了解自己的病情,并由医生开具康复建议。但是,后续的康复过程还需要依靠专门的设备和场所。针对这一问题,本文提出了一种基于计算机视觉的在线问诊和居家康复指导系统,通过人体姿态识别技术识别人体骨骼,与标准动作进行比对,分析出患者动作是否规范,以及完成程度和次数,据此给用户以反馈,对其康复训练给出指导。患者无需佩戴任何设备,也无需购买任何机械,使用普通手机或电脑摄像头即可完成,从而大大降低了传统康复训练的设备复杂性和场所限制。本文主要围绕人体姿态识别关键问题,构建了轻量级的神经网络,完成了相应的系统开发工作,具体包括:1)自上而下的网络模型可以大幅提升预测的准确性,在绝大多数场景下的表现都要明显优于自下而上的算法,但该算法的参数量大、设备要求高、运算速度慢。为了解决这些问题,本文改进了经典的HRNet算法,使用shuffle模块替换残差模块,并通过添加通道加权的方法融合分支特征,最大程度地降低参数量和运算量,提升信息利用率和准确性。训练和测试的数据集选用了 COCO2017,在经过约200轮迭代后,原算法准确率为76%,而改进后算法的准确率在74%以上,但识别速度由每秒10帧左右,提升至每秒20帧,在极少量准确率损失的情况下,极大节省了计算资源、提升了运算速度。2)在患者进行康复训练时,系统会同时给出动作示例和患者自己完成的实时画面,以人体姿态识别算法分析出患者的骨架模型,方便患者比较自己与规范动作之间的区别,系统会检测用户的动作完成情况,在未达到标准时进行提醒,以便及时调整动作。3)由于使用该系统的用户,大多身体存在不适,会比健康人更容易出现意外摔倒,为了保护用户的安全,系统添加了摔倒检测的功能,通过分析人体关键点的位置信息,判断是否摔倒,并及时通知紧急联系人。综上所述,本文完成了对HRNet的轻量化改进工作,通过实验验证,每秒识别帧数由十帧提升到每秒二十帧,除此之外完成了基于人体姿态识别技术的在线问诊和康复系统四个主要模块的开发。