体感控制是利用肢体动作实现控制对象的人机交互方式,是人机交互领域的热点方向。快速且准确的识别人体姿态是体感控制的重要课题。计算机视觉技术的发展和计算机性能的提高,使得通过深度学习的人工神经网络可解决传统计算机视觉算法难以解决的复杂问题。本文基于深度学习的方法,实现了人体姿态的识别,并通过映射算法完成了智能人形机器人的体感控制。本文利用自上而下的人体姿态识别方法,完成了多人二维关节点识别。其中目标检测网络采用YOLOv4网络模型,关节点识别网络采用堆叠沙漏网络模型,并对两个网络模型进行了改进。成功训练网络至其收敛,最终网络能快速且较准的检测出人体并识别人体关节点。目标检测网络的AP达到了83.46%,关节点识别网络的PCKh达到了85.0%。在体感控制过程中使用了以舵机为关节的人形机器人。为了让机器人能做出控制者的相应动作,同时防止机器人在移动中摔倒,对机器人上半身和下半身采取了不同的控制策略。分析了机器人手臂的运动学模型和腿部的步态控制方法,开发了人体关节点映射算法。算法通过连续的人体关节点数据控制舵机输出,实现机器人的体感控制。通过开发移动端上位机软件、创建Web API接口等无线通信方式来拓展体感控制机器人的应用范围,使其符合实际的控制场景。研究了通过增强现实平台获取深度信息,从而将二维人体关节点数据转为三维人体关节点数据的方法。最终实现人形机器人的体感控制与应用开发,论文研究内容具有一定的工程应用价值。