人体姿态估计是运用视频或传感技术记录人体的运动，获取运动参数，从中恢复人体结构并再现人体运动姿态，实现对运动姿态的分析并加以运用的过程。人体姿态估计广泛地应用与人机交互、体育训练、医疗保健、动画制作和影视等领域，尤其是基于传感器的人体姿态估计技术具有广阔的应用前景和巨大的经济社会价值。虽然基于视频的人体姿态估计研究丰富且取得了很好的效果，但其固有的受环境影响、计算量大和侵犯隐私等特点使其适用范围受到了限制。针对视频的姿态估计算法的限制，基于传感器的估计方法具有不受环境限制、操作方便且不侵犯隐私等特点。本文将采用惯性测量单元来采集人体运动信息，并对基于惯性测量的人体姿态估计算法进行深入的研究，同时也对通过传感器进行人体姿态和跌倒监测的算法进行了研究，最后使用贝叶斯网络对人体姿态的估计预测进行了探索。通过惯性测量单元估计人体的姿态可以说是一种对人体的姿态进行捕捉的方法，在本文中，通过传感器采集人体运动信息，进行传感器与人体的配准，通过对运动数据进行分析，进行地面接触检测，最后通过人体模型进行人体运动学传递，完成对人体在空间的位姿的估计，并对运动信息进行提取运动特征，进行跌倒预警研究，通过实验验证，算法在进行人体姿态估计的同时能对跌倒行为进行预警。本文将人体姿态估计研究问题以贝叶斯网络这种图模型进行抽象，构建人体行进的动态贝叶斯网络模型，结合惯性测量单元采集的运动信息推导而得到的人体各关节在空间的位置作为观测信息，利用网络的推断功能进行姿态的估计和预测，通过户外长距离行走实验验证，对姿态估计取得了较好的效果。