随着人机交互和虚拟现实技术的快速发展人体姿态识别技术更是由于其具有的经济价值和广阔前景成为了目前研究的热点。然而传统的人体姿态识别技术运行成本高,识别准确率低,用户体验并不好。针对这些问题,本文通过对关键帧序列进行处理,应用少量关键序列帧准确对人体姿态进行识别。最终设计并实现一个可交互的人体姿态识别系统。主要研究成果如下:(1)针对人体姿态识别过程中原始数据获取和预处理的问题,对人体目标识别进行研究。通过对现有方法进行比较,选择使用Kinect2深度相机获取实时数据,并选用HDM05动作库和Msr-Action3D动作库作为原始数据进行后续关键帧选取和具体姿态识别方法的训练和测试。针对不同数据源格式不同的问题,将数据处理为统一的中间格式,并以已有数据集为基础整合出一个新的动作库用于后续模型训练测试等步骤。最后,给出了一种基于深度数据的人体目标识别方法。(2)针对关键帧选取时无法兼顾压缩比和重建误差以及用户使用不方便,可移植性差等问题,提出了一种基于预选策略的帧消减算法。首先,对原有运动序列进行初选,通过运动轨迹取极值的方法构造初选关键帧序列;然后,利用帧消减算法获取满足不同用户需求的最终关键帧序列。实验结果证明,经过初选通常可以消减50%以上的原始关键帧,该方法可以有效对原始运动序列的关键帧进行选取,满足不同用户需求。(3)针对人体姿态识别准确性不足的问题,提出了一种基于隐马尔科夫模型的人体姿态识别方法。首先,对不同动作分别建立关于人体姿态的隐马尔科夫模型;然后,利用Baum-Welch算法计算得到初始概率矩阵,混淆矩阵,状态转移矩阵,获得训练后模型;接着,输入待测数据应用前向算法,得到对于每个模型的概率;最后,比较并选取最大概率对应姿态作为识别结果,达到队人体姿态进行识别的目的。实验结果证明,本文研究的基于隐马尔科夫模型的人体姿态识别方法可以有效提高人体姿态识别的准确性,具有较好的识别效果。(4)设计并实现了可交互的人体姿态识别系统,包括人体目标识别、关键帧选取、人体姿态识别、场景交互、音频特效等五个重要模块。系统运行效果图表明,本文设计的人体姿态识别系统可以在实验室环境中稳定运行,效果良好。