坐姿识别是人体行为分析中一项关键性课题,其在军事、教育、监控、医疗等诸多领域具有广阔的应用前景。相比传统的基于传感器的坐姿识别方法,视觉坐姿识别方法基于坐姿图像进行分析,具有实施简单、信息丰富、部署更智能等优势。尤其是随着深度相机的出现,极大的简化了对人体坐姿三维建模的过程,有利于提高视觉坐姿识别的可靠性和准确性。基于此,本文主要对基于深度图像的坐姿识别进行研究。本文以准确识别人体坐姿以及坐姿识别的实用化为研究目标,主要围绕坐姿深度图像的获取与处理、图像的特征提取、坐姿的准确识别以及坐姿检测系统的设计等相关内容展开深入研究。论文的主要工作及创新点如下:(1)针对坐姿设计了一种快速有效的图像分割算法。本文基于阈值分割法,用实际的深度距离作为分割值,并根据坐姿的特点设计了一种阈值更新方法,从而实现了坐姿图像中背景的有效分割。另外,还充分考虑坐姿情景遇到的干扰情况,设计了一种外部方框更新方法来实现外部干扰的去除。实验测试表明,该分割算法能有效的对深度图像中人体进行分割,并且具有很好的实时性。(2)针对简单场景下的坐姿提出了一种基于关键点的坐姿识别算法。首先结合“威特鲁人”设计了坐姿关键点模型;随后,基于2D轮廓均方距离模板匹配算法定位了头部,并运用人体结构特点、轮廓特征与深度特征定位了肩部与身体中心;最后,提取坐姿关键点角度、关键点深度与图像轮廓等特征进行训练得到了坐姿判定标准。通过该判定标准来对简单场景下的坐姿进行识别,平均识别率可以达到95.92%,平均识别一张图像的时间为50ms,具有很好的准确性与实时性。(3)针对复杂场景下的坐姿提出了一种基于深度图像投影的坐姿识别算法。首先将坐姿深度图像进行投影得到投影图像,并对投影图像进行空白去除、双三次插值缩放、归一化处理以及PCA降维从而得到投影特征;随后,又对前视图进行金字塔HOG特征提取得到坐姿深度图的HOG特征;最后,将两者进行融合得到坐姿特征向量,并运用随机森林分类算法进行训练与分类。最终的测试结果表明,该算法在复杂场景下的平均坐姿识别率能够达到99.27%。(4)基于Android平台进行了坐姿检测系统的设计与实现。本文首先进行了坐姿检测系统的环境搭建,并将坐姿识别算法在Android平台上进行了移植与实现。随后,在坐姿识别算法的基础上为坐姿检测系统设计了坐姿检测、图像显示、坐姿提醒、坐姿统计、状态分析、数据库存储以及图像回放等多个实用功能。最后,通过实际的坐姿应用测试验证了本系统的有效性与可靠性。