帕金森病是经常发生于中老年群体的一种渐进性中枢神经系统退行性疾病,其主要的临床表现为包括步态异常在内的多种运动障碍。对于早期的帕金森患者的治疗主要为药物治疗,而对于中晚期或者对日常生活质量有较大的患者的则使用脑深部刺激的手术方式来治疗,不论采用什么治疗方案,对于后续患者运动状态变化进行追踪观察都至关重要。现今普遍采用的运动评估方式是人工评判为主,这些方法需要医生和患者投入很多时间和精力,并且最终的结果还受人工主观因素影响,因此通过计算机视觉实现自动化的客观化的运动评估对于帕金森患者的康复评测具有重要意义。本研究从以采用计算机视觉技术实现帕金森患者的运动状态的自动评估为出发点,结合站立行走测试（Timed up and go,TUG）视频,探索了两种使用计算机视觉算对帕金森患者的异常步态进行评估的方法。在本文中首先提出了一种轻量化的计算机视觉模型来对患者拖步状态自动检测,其中拖步状态是一种常见步态障碍形式,也是医生用来判断患者的治疗状况的一个重要因素。该方法利用三维卷积模块从经过预处理的TUG视频序列中提取时空特征,然后将得到的特征在不同时空尺度上进行提取融合,最后将得到的特征进行分类得到相应的检测结果,该方法主要希望能够应用于远程医疗,使患者仅通过一个视频录制设备在较少限制条件下的环境中录制TUG视频便能对自身的步态情况进行评估。除此之外,我们还探究了一种通过多个视角的二维图像实现三维人体关键点估计的方法,使用三维人体关键点可以帮助医生更加精确的获知患者在运动测试过程中任意时刻的运动数据,使医生能够量化的对患者的运动状态进行评估。而且通过计算机视觉的方案实现的三维关键点的检测相比基于传感器的方案更加经济方便。同时为了减少医生在使用这些计算机视觉算法的门槛,本文还介绍了一种图形化界面用于将这些算法集合在一起,医生仅需通过简单的按钮操作就可以获得这些算法的分析结果。