随着“万物互联”概念的提出与快速发展,人体状态感知已成为未来智能护理场景中必不可少的一部分,然而单纯依靠视觉识别难以克服环境遮挡及光线干扰等问题。射频识别技术（RFID）作为物联网中关键技术的重要一环,具有非视距、免接触、读取速度快、成本低等优点。国内外学者已开发的RFID定位系统主要面向物联网应用,在成本与使用条件上不适合用于人体姿态感知。针对以上问题,本文面向未来智能护理场景,开发了一种基于RFID技术的适用于人体模型的姿态捕获系统,初步解决了有遮挡情况时视觉技术难以有效识别人体姿态的难题。首先,本文对RFID系统的工作原理与系统架构进行分析,并对超高频波段的系统进行物理层分析,将提取到的底层相位信息作为实现定位方法的重要参数。针对标签特性（移动、旋转、耦合）进行实验设计与分析,克服了标准测向模型中的阵列孔径限制、旋转相位偏移、近场耦合干扰等问题,得出了修正后的测向模型。其次,通过分析标签阵列旋转与标签位置变化关系构建基于相位差的肢体关节测向模型。针对人体运动特点提出多刚体联合运动的细粒度肢体运动模型,并构建似然函数来进行关节角度搜索,最终将具有最大概率的角度值作为输出角度。该方法克服了原有测向系统对只有单个旋转中心的刚体进行测向的限制,能够有效测量多刚体联合运动中各个运动链上肢体关节的旋转角度。再次,针对人体结构与室内空间的合理配置提出45°式双天线系统进行三维肢体角度估计,通过多天线的数据融合计算了肢体关节的俯仰角和方位角。结合人体正运动学来构建人体姿态,通过卡尔曼滤波得到平滑的运动姿态。最后,搭建实验平台,并编写了阅读器与Kinect 2.0设备的控制软件。通过将可穿戴柔性RFID标签附着于人体衣物,对本文所提出的双天线系统进行实验分析,验证了所研究方法和系统的可靠性。实验结果显示,在无遮挡时以Kinect 2.0的数据为标准,四肢平均关节位置估计误差约5 cm;在人体被毯子遮挡时,肢体关节位置标准差约为4 cm。相比于视觉识别或惯性传感器等传统姿态捕获方法,本方法可简单有效准确地实时监测护理场景中的人体姿势,克服了毯子覆盖等有遮挡场景难以识别的难题。本方法将有益于各种智能护理应用,例如协助护理机器人进行人机交互或在医院、家庭环境中的无线监控。