（一）引言

人类个体的日常生活活动能力可直接反映其健康状态和生活质量。运动能力的量化表达既可以作为身体状态和疾病严重程度的衡量指标，也可以作为某些医学介入手段的评估标准。在康复医学中，日常生活活动能力可以通过多个量表进行人工评估，但这些量表里的很多内容都是定性分类的，不同选项之间界限模糊，被评估者的现场表现和康复医生的主观感受都会导致分类误差。如果评估者可以通过设备进行长时间运动监控形成统计数据，并由机器根据统计数据进行评估，则其结果对于康复医学的发展、物理介入治疗效果的评估具有重大意义，对于年长者和运动失能者而言则更为重要。

人体运动功能障碍可由很多因素导致，包括关节损伤、肌肉损伤、神经系统疾病、心肺功能衰退、突发性功能损伤、重症后遗症等。其中，慢性病所导致的运动功能障碍是一个日积月累的过程，患者逐步出现不同程度、不同分类的异常运动状态或障碍模式，在这期间，如未能及时介入和治疗，很可能导致不可逆的后果。在康复医学领域，很多运动功能障碍可通过康复训练或其他康复手段进行有效干预，以提升运动能力、减缓功能衰退。但即便如此，某些阵发性、一过性异常运动模式、平衡障碍仍只在特定的时间或特别的身体状态下才会出现，在短暂的医院环境里不容易被观察到，而这些异常往往与疾病相关联。解决这个问题的一个有效方法就是长时间、连续地监测患者的日常运动状态，从中提取出可疑的运动片段，并与当时患者的身体状态、健康情况相关联，这种方法可以为疾病的诊断和病程进展的判断提供一定依据。

对于人体运动状态的系统性研究始于20世纪70年代。1973年，Johansson使用光学设备对人体运动进行分析。在他的先驱性实验里，反射标记物放置于受试者关节处，受试者在暗色背景下运动，标记物的轨迹由光学设备采集并进行后期分析。在过去的几十年里，基于光学的人体运动分析技术飞速进展。目前，已经有大量商业化用途的运动捕获设备出现。这些设备的特点在于：在数据采集端将被动标记物（反射体）或主动标记物（发光体）置于人体躯干与肢体，通过多个高速光学/红外摄像机记录标志物运动轨迹；在信号处理端将虚拟模型与标志物轨迹绑定，形成重建的运动状态，再对此进行数据挖掘和分析处理。

伴随光学人体运动捕获技术的发展，非光学人体运动捕获技术也蓬勃兴起，使用的主要设备包括磁力计、光纤、声学器件和惯性传感器等。其中，由磁力计与惯性传感器相结合的6轴、9轴微机电系统（MEMS）以其便携性和价格优势在近些年得到了广泛应用。关于运动捕获设备的发展与沿革可见于综述性文章。(https://www.daowen.com)

光学和非光学的运动捕获技术各有优劣，没有一种手段能够在所有环境均表现优异。以基于光学的VICON为例。这套系统可以提供高分辨率、高采样率、多自由度的运动捕获结果，并且误差在毫米量级。但VICON在进行运动捕获时需要有良好的照明环境、较大的前景/背景色差以及不能被完全遮挡的反射标记物设置。而基于磁力计和惯性传感器的运动捕获设备不受光学环境和遮挡问题的影响，但无法直接测量位移、纵移等平动变化，并且在使用中要避免外加磁场的干扰。对于特定的应用场景，应根据运动的属性和环境特点选择适合的运动捕获设备。

本研究所探讨的运动监控与识别的对象是位于普通居家环境的自由行动个体，主要目标是跟踪受试者的身体姿态、识别其运动状态、统计各种运动状态的持续时间并形成运动统计信息表。这些信息将发送给康复医生以评估受试者的运动功能，同时也发送给看护人员以便其随时掌握受试者的身体状况，判断是否需要给予照料。由于受试者可以在居家场景中自由活动，背景复杂且不可控，同时也会出现照明不足，被墙壁、家具遮挡的情况，光学跟踪设备难以发挥作用。因此在本研究里，我们采用了基于磁力计和惯性传感器的MEMS来进行人体运动捕获。

MEMS在人体自由运动捕获的早期应用见于步态分析，以及识别运动功能障碍和威胁生命的严重异常。前期的工作主要集中在运动跟踪技术和特定运动模式的识别算法设计上。本研究则是从系统构建方面探讨人体自由运动捕获与识别系统的实现，从工程角度提出信息处理与传递的方法，并结合康复医生的实际需要提供信息。

本研究所述内容包含三个部分：首先是系统整体架构，将系统内不同组件的通信方法作为重点加以阐述。其次是运动跟踪算法，不同肢体根据其运动的复杂程度采用不同的策略，我们主要阐述使用卡尔曼滤波对较为复杂的肢体运动的跟踪算法。再次是动作分类与识别方法。我们提出的算法将动作类型分为三个级别，根据当前实测肢体角度和过往一段时间的动态特征依次加以识别。最后是系统在居家康复患者监控中发挥的作用和试验结果。