本文設計了基于虛擬現實技術, 以Kinect為交互設備的上肢康復訓練系統。本系統將嚴肅游戲、人機交互與康復訓練有機結合為一體, 針對不同患者的康復需求, 系統建立了科學而豐富的通用動作庫和游戲庫, 并預留擴展接口, 既支持基于Virtools開發的滿足患者個性化需求的游戲, 同時也支持網上現有適合患者康復訓練的Flash游戲。此外, 本系統提出了基于Kinect的靈活動作交互模式和游戲控制方式, 并提供對康復過程進行實時數據記錄的功能, 給出了對康復效果的主客觀評價方法。根據對本系統的隨機調查問卷, 以及中風患者為期兩周的康復訓練, 結果表明:本康復系統區別于傳統康復方法, 具有康復數據收集和分析能力, 可以根據反饋數據進行階段性康復方案制定, 同時具有更強的趣味性以及低廉的訓練成本, 可有效提高患者訓練的積極性, 有助于患者的康復治療。
本文利用微軟公司研發的體感周邊外設（Kinect）獲取偏癱患者的步行軌跡數據，在此基礎上實現了偏癱步態的自動識別，并對識別特征的重要性進行了排序。首先，研究設立了試驗組和對照組，兩組受試者按要求分別完成規定的范式動作，經由 Kinect 實時獲取受試者的步行軌跡數據。從獲取的數據中可提取步態識別特征：步速、步幅、質心的移動范圍（上下和左右方向）。然后，利用貝葉斯分類算法對這些特征構成的樣本集進行分類學習，實現偏癱步態的自動識別。最后，利用隨機森林算法確定每個特征的重要性，通過對每個特征的重要性進行排序，可為病情診斷提供參考。本文研究結果表明，基于貝葉斯算法的分類準確率為 96%；使用隨機森林算法確定的特征重要性排序為步速、步幅、質心左右偏移距離、質心上下偏移距離，而步速與步幅、步速與質心左右偏移距離的組合是偏癱步態分析診斷的重要依據。本文研究結果或可為偏癱步態的智能診斷提供新的思路和參考。
動作模仿是康復訓練中常見的訓練策略。傳統的康復訓練中患者需要在康復醫師的指導下完成訓練動作，然而由于醫院資源有限，無法滿足所有患者的訓練指導需求。本文針對康復訓練中的動作模仿任務，提出了一種基于Kinect和NAO機器人的跟隨控制方法。該方法通過逆運動學解析實現了Kinect坐標系到NAO機器人坐標系關節角度映射。針對肘關節偏轉角的估計問題，通過構建虛擬空間平面實現了偏轉角的精確估計。最后，基于肘關節的運動偏轉角進行了對比實驗，結果顯示該方法右肘橫軸偏轉和縱軸偏轉的角度估計值均方根誤差分別為2.734°和2.159°，證實了該方法可以實現NAO機器人實時、穩定地跟隨人體動作，從而向患者展示康復訓練方案。
步態采集系統可用來進行步態分析。傳統的可穿戴式步態采集系統由于傳感器佩戴位置不同會導致步態參數出現較大誤差。基于標記法的步態采集系統設備成本高昂且需要結合測力系統在康復醫師的指導下使用，由于操作復雜，臨床應用不便。本文設計了一種足壓檢測與Azure Kinect系統結合的步態采集系統，組織15名受試者參與步態試驗、采集相關數據，提出了步態時空參數與關節角度參數計算方法，并將步態分析結果與攝像機標記法所得結果進行了一致性分析和誤差分析。結果表明，本文設計的步態采集系統和作為對照的攝像機系統所獲得參數具有較好的一致性（皮爾遜相關系數r ≥ 0.9，P < 0.05）且具有較小誤差（步態參數的均方根誤差低于0.1，關節角度的均方根誤差低于6）。綜上，本文所提步態采集系統及其參數提取方法可為臨床醫療上的步態特征分析提供可靠的數據采集結果，可作為理論分析的依據。