董梁，屈云

1. 华南师范大学 数据科学与工程学院，广东 汕尾 516600；2. 四川大学华西医院 康复医学科，四川 成都 610041；3. 四川大学 华西康复医学院，四川 成都 610041 ；4. 四川省康复医学重点实验室，四川 成都 610041

引言

人类个体的日常运动能力直接反映了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价标准[1-4]。在康复医学里，日常运动能力可以通过多个量表进行人工评定，但这些量表里的很多内容都是定性分类，不同选项之间差距模糊，被评估者的现场表现和康复医生的主观观感都会导致分类误差。如果被评估者可以通过设备进行长时间运动捕获形成统计数据，再由康复医生根据统计值进行评定，其结果对于康复医学的发展、介入治疗效果的评估具有重大意义[5-8]。

基于设备的人体运动捕获始于20世纪70年代。Johansson[9-10]使用光学摄像设备和反射标记物对人体运动进行分析。在此之后，基于光学和非光学的人体运动捕获与分析技术飞速进展。目前，已经有大量商业化用途的运动捕获设备出现[11-14]。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（Micro-Electro-Mechanical System，MEMS）以其便携性和价格优势在近二十年里得到了广泛的应用[15-18]。

本文所探讨的运动捕获对象是位于普通居家环境的自由行动个体，考虑到居家场景中背景复杂且不可控，同时也会出现照明不足，跟踪对象被墙壁、家具遮挡的情况，光学跟踪设备难以发挥作用。……