随着我国智能制造业的改造升级,工业机器人的需求量越来越大。人机交互是指操作人员与机器人之间的协同作业过程,是工业机器人发展的一大趋势。因工业机器人在与人协同合作时其安全性难以得到有效保障,人机协同工作过程中存在着不可预料的状况,更为严重的是造成对操作人员的伤害。为保证人机协作系统中操作人员的安全,本文针对工业机器人安全作业系统的人体姿态估计方法进行了研究。以工业机器人作业过程中操作人员的人体为研究对象,利用深度相机采集人体图像信息,并进行人体姿态关键点检测,进一步识别人体姿态,为工业机器人避障提供可靠信息,以提高工业机器人作业系统的安全性。主要工作如下:首先,利用深度相机对操作人员的人体图像信息进行采集,对于图像信息中的人体关键点,提出了基于轻量级openpose网络检测方法。本文所提出的网络能够在保持精度的同时减小模型复杂度,实验结果表明,该网络能更快的检测人体关键点,为后续的人体姿态估计与识别打下基础。其次,针对获取的人体姿态关键点数据存在一些误识别点的问题,提出了基于卡尔曼滤波器的人体姿态估计方法,并建立人体姿态长短时记忆网络（LSTM）模型识别算法。通过卡尔曼滤波器对人体姿态关键点坐标数据进行估计,消除异常点的影响,再通过定义目标姿态数据集,以建立人体姿态LSTM网络模型对人体姿态进行分类识别。实验结果表明,通过卡尔曼滤波器可以很好的估计关键点坐标位置,提出的LSTM算法具有很好的识别效果,可以通过定义更多的目标姿态用以建立人体姿态LSTM网络模型来分类识别更多的姿态。最后,将人体图像信息采集、人体姿态估计与识别封装起来,搭建基于ROS框架的人体姿态估计与识别系统。系统包括图像信息采集模块、人体关键点检测模块、骨骼可视化模块、人体姿态识别模块、Moveit控制模块和机械臂避障模块。利用ROS系统的分布式通信框架,各模块通过ROS的话题（Topic）以及结点（Node）进行通信,实现基于ROS的人体姿态估计与识别系统设计,满足人机交互的需求。