随着人口老龄化速度的加快和社会压力的增加,出现肢体功能障碍疾病的患者日益增多,康复训练的需求也逐渐增加。针对现有的康复训练方式存在费用高、佩戴困难,识别率低等问题,需要将kinect和动作识别结合在一起开发简捷高效的康复训练系统。由于kinect传感器高频率采样,导致采集的动作序列中存在大量冗余帧,给康复训练动作的分析和识别带来困难。为解决上述问题,本文围绕着康复训练动作关键帧的提取和动作姿态识别展开研究,主要内容包括如下:1.康复训练中获取动作姿态特征利用kinect V2传感器采集人体骨骼数据流,通过对数据流的预处理,得到描述动作姿势的骨骼坐标点、骨骼向量和骨骼间角度等特征,为下文研究人体动作识别做准备。2.康复训练动作姿势关键帧获取原始数据序列中存在大量冗余帧,冗余帧的存在导致动作识别准确率降低。本文提出了改进K-means算法的关键帧提取方法,对传统K-means聚类提取关键帧的帧间相似性度量计算和初始聚类中心的选择进行改进,保证动作关键帧的时序性,同时细化了动作的差异性,实验结果显示关键帧的保真率和保全率得到提升。3.基于时间规整的康复训练动作识别康复训练动作识别是对医生和患者的动作姿势序列进行模板匹配。针对模板动作序列和测试动作序列存在的时间差异性问题,本文提出了基于角度趋势变化的时间规整算法,计算模板中骨骼矢量和相对应骨骼矢量之间角度值的相似性,对动作分类识别,通过实验分析得到基于角度趋势变化的时间规整算法的动作识别率较高。4.实现康复训练系统在kinect传感器的辅助下,建立人体标准动作姿势帧序列,患者根据标准动作进行康复训练,通过康复训练系统显示的识别结果,不断调整自己的动作,达到了高效、准确的康复训练。