中医作为我国具有原创优势的医疗卫生资源，在我国的经济社会发展、民生保障与改善问题上发挥着重大作用。其中，包含针灸、艾灸及穴位按摩在内的中医穴位疗法，因不良反应与副作用较小，常常作为国内患者优先选择的治疗方案。然而，在风湿性疾病多发的秋冬季节，需要接受穴位疗法的患者增多，在超负荷工作的情况下，医师的劳累程度会直接影响到患者的疗效。此外，穴位疗法治疗效果的好坏，除了与辩证、治法、选穴、手法等因素有关之外，还与所找穴位位置的正确与否有着极大的关系。因此，研究能够自动进行穴位识别及定位的机器人，成为了实现智能化穴位治疗的前提，具有十分重要的现实意义。本文将计算机视觉和深度学习技术应用到穴位识别任务领域当中，研究端到端的穴位识别算法，并基于ROS机器人平台完成了结合机械臂的穴位三维定位，为中医机器人的发展提供了一定的理论基础和实验验证。本文的主要工作如下：

    （1）适用于穴位识别的基础卷积神经网络模型的分析研究

      本文针对穴位识别基础网络模型选择的问题做出了分析研究。首先，参照人体关键点检测领域COCO数据集的格式，结合传统中医腧穴定位方法，标注并构建了一个手部穴位数据集，为后续模型的训练与实验验证提供了基础。然后，参照人体关键点检测领域中PCK指标的评价方式，设计了穴位识别量化评价标准，为本文的对比实验提供了评价依据。随后，在所建立的穴位识别数据集上，对CPM、SHN和HRNet三个深度卷积神经网络进行了对比实验，并使用穴位识别量化标准进行评估，最终根据实验结果选择HRNet作为进行穴位识别任务的基础网络模型，为后续穴位识别算法的研究提供基础。

    （2）基于改进HRNet的手部穴位识别算法研究

      本文在HRNet网络模型的基础上，面向穴位识别任务需求，从实际场景出发，做出了针对性改进。分别针对网络、数据和损失函数三个方面做出改进。首先，在网络方面，提出了基于级联方式的的网络框架改进，通过级联手部检测框来提高输入图像的分辨率以提高检测精度。然后，在数据方面，在穴位点热力图生成部分引入了基于offset的无偏编码解码方法，以消除穴位点坐标编解码过程中的统计误差。随后，在损失函数方面，引入了Soft-OHKM方法，对不同穴位点回传的损失函数进行加权，对损失函数值更大的点给予更大的梯度回传，以更好地对模型拟合进行修正。最后，在所建立的穴位识别数据集上进行了实验，实验结果验证了穴位识别算法的有效性。

    （3）基于ROS的中医穴位识别与定位机器人系统

      本文将基于改进HRNet的穴位识别算法在ROS机器人平台上进行了系统性实现，完成了中医穴位识别与定位机器人系统的软件设计，搭建了系统化实验平台，结合Kinect深度相机和Kinova 7自由度机械臂，在系统中实现了穴位的识别与三维定位，并控制机械臂到达穴位点处，对穴位点的位置作出指示。该系统模拟了中医机器人进行针灸、艾灸或穴位按摩之前的自动找穴过程，为中医智能机器人的后续研发提供了有力的研究基础。