胡新荣，王梦鸽，刘军平，彭 涛

(1.湖北省服装信息化工程技术研究中心，武汉 430200; 2.武汉纺织大学数学与计算机学院，武汉 430200)

随着人机交互和计算机技术的发展，人的身体作为人机交互的重要媒介之一，得到越来越多的研究人员的关注。人体动作更是能够表现出非常多的信息，在各个领域都发挥着重要的作用。因此，越来越多的人员投入到有关人体动作识别的研究。

中外很多机构都在做相关的研究，这些研究方法可分为三类。第一类是使用骨架模型进行动作识别；第二类是直接使用深度图像进行动作识别。第三类是同时使用骨骼关节点和深度图像进行动作识别。其中，Cao等[1]和Chen等[2]使用深度学习方法的人体姿态识别可以达到很高的准确性。Fang等[3]识别人体姿态使用的是Stacked Hourglass方法，致力于解决检测带来的定位误差，但是多人识别速度较慢。周彤彤等[4]采用可穿戴式传感器(头盔、手套、加速传感器等)进行人体动作识别，相对准确，实时性高。但是，一方面设备需要加大成本，另一方面穿戴规范有一定的要求，造成方便性降低和准确性降低。蒲兴成等[5]采用改进的Hu矩阵算法，达到了很高的识别率，但是采用这种方法不能满足对系统的实时动作匹配。

利用Kinect进行人体姿态识别的研究众多[6-15]。例如，战荫伟等[7]采用角度测量的方法进行动作识别，由于没有对骨骼的三维数据实行预先分类，导致关键动作提取不够准确；李红波等[9]使用特征矢量的方法对动作进行匹配，引入改进的动作识别评分公式，有较好的识别率和实时性，但是使用的方法只是对准静态的人体动作进行匹配，难以对动态动作进行实时识别；……