（七）结论与展望

在本研究所提出的运动捕获与识别系统中，我们采用了已有的可穿戴传感器、网关、服务器产品搭建起硬件框架，在此基础上开发了通信协议、运动捕获算法和运动识别算法。在初期的小范围应用上证明了这一系统可以提供稳定、准确的实时运动监控数据、识别受试者体态、生成运动统计结果，所提供的信息可以帮助康复医生远程掌握患者的居家康复状况，是“互联网+康复医学”领域的一次有意义的尝试。后期的工作将着重围绕两点展开：一是体态识别的精细化。当前的体态分类还比较粗疏，主要集中在躯干和下肢大关节的判断，对上肢动作的识别还未多做考虑。在目前的配置中，传感器已经可以捕获上臂和前臂的运动轨迹，我们将据此设计算法识别肩外展、肩前屈、肘屈、前臂内外旋等上肢动作。二是居家康复患者运动信息的数据挖掘。本系统的客户端通过3D模型还原的方式展现康复患者的运动状态，康复医生已经可以据此评估患者的关节活动度、平衡性、肌肉力量、协调性等，但目前还都是靠医生手动实现，下一步我们将结合康复医生的分析方法处理运动统计数据，提取关键运动片段，设计算法自动提取表征康复患者运动能力的参数。(https://www.daowen.com)

（董　梁）