随着偏瘫患者数量逐年上升,相关医疗资源日益短缺,机器人式智能康复平台的广泛应用势在必行。然而由于缺少简单有效的人机交互方式,康复机器人在临床上的应用范围尚浅。设计一个面向临床应用的安全便捷,智能精确的交互系统对康复机器人的推广以及提升康复训练效果有重要意义和价值。目前交互系统设计的难点在于利用合适的传感器便捷精确获取患者训练时的人体参数和状态信息。接触式传感器如惯性传感器、表面肌电传感器、脑电采集设备等,因穿戴不便、易受干扰以及成本限制,难以在临床上应用。现有的视觉传感器如kinect相机由于精度问题也难以胜任。鉴于此,本文采用2D人体关键点检测算法与相机空间定位算法结合的方法快速精确获取人体关键点3D坐标信息,并以此为基础,设计了分析患者训练时姿态信息和动作信息的深度学习模型。其中,姿态识别简化为对代偿行为的识别。本文在基于人体骨骼模型的代偿识别方法中,首次提出了应用1DCNN处理关键点位置数据提取时序特征用于分类的方法。优化后模型取得比MLP高20%的F1分数。在动作识别方法上,为了充分利用数据的时空特征,本文采用CNN编码,LSTM解码的特征提取框架,并添加注意力机制和增加并联支路作为优化。随后进行的消融实验表明这两点优化设计是有效的,而动作识别模型在康复动作数据集中取得了0.975的F1分数,说明其具有优异的动作分类能力。为了充分利用代偿识别和动作识别模型,本文提出了一种基于人体姿态和动作信息的康复机器人交互系统,并设计了两种智能交互场景,使交互系统能在主动训练中实现代偿检测和消除功能,在被动训练中依靠患者健侧肢体动作实现患侧的镜像运动训练。总之,本文设计的交互系统以安全便捷,智能精确为要求,能实现多种交互方式,对提升康复过程患者的参与度和积极性有很大帮助,对提高康复效率有重要意义。