基于图像的人体姿态识别技术是在计算机视觉的基础上发展起来的新的研究领域,为智能监控和人机交互的发展提供技术基础。通过对图像的处理,可以忽略掉无用信息,只提取人体信息,并根据人体目标的一些特征,来分析和识别人体姿态,对人体姿态自动做出判断,使计算机具有智能理解图像中人体姿态的功能。本文主要研究了人体在固定场景下的姿态检测和识别技术,首先改进了一种目标提取技术,在对几种主要目标检测技术进行论述和比较分析的基础上,提出了分级分块背景模型估计法,能够很好的对人体目标进行提取。然后对人体目标进行特征提取,第一步,用边缘检测法提取人体边缘特征。第二步,在第一部分割的结果上提取区域特征,以提取出来的人体区域的中心为原点建立坐标系,图像四个象限质心与图像质心连线和x轴夹角的正切值,人体目标的宽高比、离心率、轮廓长度平方与其面积比等作为表征人体的特征向量,通过这些参数来反映人体姿态特征,训练姿态识别的分类器。最后一部分,根据3000个样本图像提取的特征向量,运用BP神经网络,按照站立、弯腰、摔倒三种人体姿态进行BP神经网络训练,建立BP网络模型,运用BP神经网络模型识别人体姿态。