基于Mediapipe的脑卒中患者康复系统设计

来源：计算机技术与发展杂志2025年第01期北京时间：

作者：李雅希;陈思平;杨欢

摘要：针对脑卒中患者康复需求,设计了一种分阶段辅助提醒、计数和质量评估的康复动作评估系统,旨在解决传统康复效率低、准确性差等问题。 该系统通过视频流输入,运用 Mediapipe 框架实施人体姿态识别,对获取到的关节点数据进行归一化和标准化,并应对帧率不稳定或遮挡问题采取重采样算法。 康复训练进程分为三个阶段,首先利用欧氏空间距离和角度信息通过文字协助患者矫正动作。 第二阶段,根据改进 KNN 数据筛选策略,样本浓缩和双重筛选策略对康复动作进行计数。 第三阶段,根据性能对比选择随机森林方法用于多类动作识别及质量评估。 实验结果显示,改良 KNN 达到了 98. 65% 的高识别准确率,且系统在帧率、处理延迟上得到了优化,反馈时间较传统方法提升 1. 205 9 秒;多类康复动作评估算法准确率可达 99. 27% ,召回率 97. 6% ,确保训练的及时性和有效性。 轻量化部署和简单化姿态采集显著优化了康复训练方法。

关键词：康复辅助;脑卒中;Mediapipe;K最近邻算法;动作评估;随机森林