摘要：针对手部疾病患者康复成本较高和康复训练不便的问题,开发了一种非穿戴式的基于手势识别的手部康复智能评估算法。为了提高手势识别检测能力,参照GhostNet原理,并结合自注意力机制,设计了全新的网络模块lwblock。将YOLOv4算法中的模块Resblock改进为网络模块lwblock,提出了Hand-YOLOv4算法。基于RexNet在Hand-YOLOv4算法框选的矩形区域内深度学习,识别出手部21个关键点。以自主手势识别技术为核心,结合动态时间规整(DTW)算法,设计了手部康复智能评估算法。试验结果表明,在手势识别任务中,检测速度较原模型提高了14%,且检测精度不会降低。该智能评估算法检测精度可达到90%以上,完全能够胜任手部康复评估工作,将促使手部医疗康复领域向舒适化、便捷化方向发展。