人体姿态检测，即通过计算机在一幅包含人体的图像中自动地检测出人体，即输出人的整体或者局部肢体的结构参数，如人体轮廓、头部的位置与朝向、人体关节点的位置与部位类别。人体姿态检测，是计算机视觉领域中的一个关键问题，为人体活动分析、智能视频监控及人机交互等研究工作提供了重要的基础数据。　　传统的人体姿态检测方法大多基于RGB图像，其缺点主要体现在:(1)RGB数据受光照、阴影、噪声、物体遮挡及环境变化等因素干扰很大，(2)RGB更适合刻画颜色空间的表观特征信息而不适合刻画人体骨架点的运动特征信息。深度图像具有空间颜色无关性，不会遇到光照、阴影、色度、环境变化等因素的影响;且易于将前景与背景分开。本文通过分析人体特征点的深度特征和纹理特征，提出了保持测地距离不变性的深度图像特征，并应用于人体姿态检测问题。具体的研究工作如下:　　(1)提出了一种保持测地距离不变性的深度特征。该特征以传统的随机深度差采样为基础，将深度差随机采样从平面坐标系转化为特征点相对于人体中心位置的极坐标系，保持了深度特征的测地距离不变特性。　　(2)本文提出了一种基于RGB-D部位模型的人体姿态检测算法。该算法基于可变形部位模型，分别对彩色图像和深度图像提取特征。以方向梯度直方图特征作为可变形部位模型的纹理特征，以测地距离不变的深度特征作为可变形部位模型的深度特征，通过对纹理特征和深度特征进行拼接和融合，得到RGB-D混合特征，并利用线性分类器进行了面向RGB-D数据的人体姿态估计。在SMMC深度数据库上，以及包含彩色图像和深度图像的虚拟人体数据库上进行实验，均获得了较好的人体骨架点定位结果。