随着机器人与信息技术的飞速发展,计算机视觉在家庭服务机器人领域得到了广泛的关注。其中,动作识别是家庭服务机器人人机交互的重要途经,此外,为了增强家庭服务机器人的智能化,对于同一指令,需要机器人能够根据人的不同状态,执行不同的决策方案,而人体动作是判断人体状态的重要条件,因此赋予家庭服务机器人动作识别能力是必不可少的要求。但目前动作识别算法应用到家庭服务机器人上存在巨大的问题,人体动作是由时间和空间两个维度组成的,从接收指令到估计人体动作会产生延迟,破坏人机交互体验;人体动作和视角的多样性,目前没有算法可以识别家庭环境中的所有人体动作;人体动作和识别算法的复杂性,需要更高的算力资源,家庭服务机器人无法满足要求。因此本文从不同的人体动作中,归纳相同的人体姿态,通过识别静态的人体姿态,完成人机交互。本文的主要研究内容如下:（1）人体姿态类别的提出与数据集的建立。通过对家庭环境中的人体动作总结分析,提出常见的人体姿态类别。并根据相应的类别初步建立人体姿态数据集,为增加数据集的实用性与权威性,参考权威的公开数据集,并且需要完成相应的标注工作。（2）人体姿态估计方案的提出。本文通过对动作识别算法的分析,深入比较现有算法与深度学习算法,提出静态人体姿态估计方案。此外,为了适应家庭服务机器人的应用场景,需要降低算法的配置要求,加快算法的运行速度,并在人体姿态数据集上对提出的估计方案进行训练与测试。（3）小部分遮挡的人体姿态识别效果的提升。针对小部分遮挡的人体姿态,拟采用阶段式方法估计人体姿态。该方案分为两个阶段,首先利用关键点识别算法识别图像中的人体关键点,然后根据关键点拟采用机器学习算法对人体姿态进行分类,提升识别效果。