心肺复苏已成为全球最为推崇且普及最为广泛的急救技术，其技能培训对于急救护理学教学有着重要意义。随着数字医疗技术、计算机科学技术的发展，涌现了大量用于心肺复苏教学训练的设备，其中最具有代表性的是医疗培训模拟人。但是，目前的心肺复苏模拟人教学系统，仅从模拟病人内部体征的感知角度，采集了操作者的按压深度、呼吸等数据，进而对操作者的动作做出判别，而忽略了操作者的按压姿势、手形、垂直用力的正确性，可见系统还不够全面，需要进一步的完善。同时，在心肺复苏操作效果评价方面，心肺复苏操作效果与操作者的按压深度、按压位置、按压频率以及呼吸量、呼吸频率、垂直用力、正确的姿势、手形等诸多因素有关，如何将这些影响因素通过一定的方法进行分析、整合，形成对心肺复苏操作的综合评价，是目前心肺复苏教学领域需要解决的问题之一。因此，本文针对这几方面展开研究，具体工作如下：心肺复苏教学评价模型的总体设计，包括利用模拟人内部传感器采集按压、呼吸数据，利用图像传感器识别按压姿势、垂直用力、手形，以及综合各传感器的数据得出综合评价结果等三个部分。其中，心肺复苏手形识别以及综合评价模型的建立是本文的重点和难点。在心肺复苏手形识别方面，本文借鉴静态手势识别方法，设计了一种基于组合特征的心肺复苏手形识别方法。首先，通过椭圆肤色模型以及对图像进行相应预处理，获得按压手形二值图像；在特征提取中，本文提出了一种基于轮廓凸包和凹陷的结构特征提取算法，利用手指个数、手指指尖夹角关系等手形结构特征作为局部特征，并利用改进的傅里叶描述子作为全局特征，形成心肺复苏手形的组合特征；在手形识别中，根据局部特征和全局特征的各自特点，设计了一种逐步排除的快速识别方法，最后利用基于欧氏距离的模版匹配方法进行识别。实验结果表明，本文的方法可以有效的区分正确、错误按压手形。在心肺复苏评价方面，为了综合各传感器采集的评价指标数据，对学生的心肺复苏操作做出客观全面的综合评价，本文引入数据融合的思想，提出基于支持向量回归的决策级评价模型。本文选用混合核函数构造支持向量回归模型，并利用混沌差分进化算法对混合核SVR的参数进行优化选择，进一步提高了模型的拟合精度和泛化能力，然后利用改进的支持向量回归模型对学生的心肺复苏操作进行综合评价。最后，通过实验验证本文所提方法的有效性。实验表明，本文的评价模型可以有效的融合传感器采集的各项指标因素，得出综合评价结果，从而为心肺复苏教学系统建立了科学的评价体系。