近几年来,三维人体姿态识别逐渐成为计算机视觉的热门研究方向,在高级人机交互、智能监控、动作分析等场景中广泛应用。该研究方向的重点为如何通过图像或视频准确估计人体骨骼点所属类别及其在三维空间中的位置。但由于人体骨骼点具有高自由度且易被遮挡的特性,传统的基于图形结构模型的方法对其不具备鲁棒性。随着卷积神经网络在各个视觉分析领域中取得的重大突破,研究人员设计出了大量性能优异的网络结构,进而推进了基于卷积神经网络的三维人体姿态识别的发展。但目前基于卷积神经网络的大多数方法存在以下问题:(1)三维数据集中人体姿态缺乏多样性。(2)因遮挡而无法识别三维人体姿态。(3)因歧义性而出现异常三维骨骼点。因此,本文提出了一种基于语义特征的三维人体姿态识别方法。本文的主要工作如下:(1)使用了一种基于两阶段的三维人体姿态识别方法。首先预测图像中的二维姿态,简化了基于热图的网络结构Stacked Hourglass,提取了图像语义特征,减少了模型训练参数量。然后根据预测结果回归三维骨骼点的粗略位置。(2)提出了人体躯干预测网络和人体躯干相互作用网络。提取了同一躯干内各骨骼点的运动学语义和不同躯干之间相互作用的几何结构语义,加强了人体结构几何约束,以解决遮挡问题。(3)提出了一种两阶段的重投影网络。提取了不同空间相应点对的映射语义特征和同个三维坐标下的不同坐标轴结构语义特征,对三维空间点位置进行合理性判断。(4)为了便于模型的调试,训练过程采用了由粗到精的监督策略,得到精细的三维人体姿态。实验结果表明:(1)虽然简化的二维人体姿态识别网络识别精度降低,但可通过微调适用于三维人体姿态数据集。(2)本文提出的算法性能优于基准网络,在Human3.6M数据集上人体骨骼点的三维位置的平均误差从62.9mm下降至59.8mm,其中误差最大姿态类别为“坐下”,从94.6mm下降至88.5mm。