目前,中风病人的康复运动需要在专业医疗机构进行,会占用比较紧张的医疗资源和浪费病人的大量精力。所以,中风病人有效合理的康复训练成为广泛关注的社会问题。利用人工智能以及计算机辅助设备对病人进行恢复训练,是解决该问题的一种思路。本文利用肢体检测算法对人体关键点进行检测;利用动作分类算法对动作进行分类;利用欧式距离和相关关系法对动作是否标准进行判断。研究的主要内容如下:首先针对中风病人这一特定群体目标研究人体肢体检测算法,介绍肢体检测的主要框架结构。从现存肢体检测的方法入手,对比当前主流算法DeepCut、DeeperCut、Iqbal和OpenPose算法的检测效果,选取OpenPose算法应用于病人肢体检测。然后在人体肢体检测的基础上,研究了现存动作分类与标准判断的方法。对比目前存在的K近邻算法、朴素贝叶斯算法、SVM分类器分类算法、动态时间规整算法和隐马尔科夫模型算法的分类效果,选取SVM算法用于动作分类。针对连续动作分类中动作区分不明确,容易产生错分类等问题对SVM算法提出了改进。改进内容包括:在动作分类前对数据进行预处理;采用主成分分析的方法对特征数据进行处理;将连续动作分解成具有代表性的动作片段并进行匹配。改进后的算法在分类准确度上和速度上有明显提升。最后本文将肢体检测算法和动作判断算法相结合,组成了一套肢体康复训练系统。针对中风病人这一特定群体设计了六组康复动作,包括对腿部,手臂和腰部的训练。实验结果表明,本文提出的病人肢体康复训练系统能够有效的识别病人所做动作并对其动作正误进行判断。