随着人工智能领域的发展,人机交互方式越来越人性化,传统的按钮式和触控式交互已不能完全满足用户需求,用户迫切希望有一种非接触式的人机交互方式来填补产品体验上的缺陷。肢体动作作为人类的一种自然行为,成为学者们研究体感交互的热点。体感交互使用户操作更方便,沉浸感更强,体验性更好。体感交互是未来交互方式的发展趋势,体感交互系统中的体感技术研究尤为重要,本课题主要研究体感技术中的人体动作识别。本文总结了目前基于Kinect深度图像的人体动作识别开发存在的不足,不足之处有:动作识别不稳定性、缺乏动态训练机制、识别率不高,在骨骼绑定模型驱动模型动作的方法中用户容易疲劳。针对上述问题,通过大量研究体感交互和动作识别方面文献,从Kinect深度图像入手,设计了一套人体动作识别方案,并应用于体感交互系统,能够良好改善上述问题。该方案流程如下:(1)获取人体的骨骼图像,并利用本文提出的端点检测算法提取动作数据,动作数据主要由人体关节的x、y和z坐标组成;(2)对提取到的人体关节x、y和z坐标数据进行预处理,采用移动加权平均法去除噪声;(3)将人体关节的x、y、z坐标作为初始特征向量,并采用神经网络对特征模型进行修正;(4)对关节的位置轨迹进行高斯建模,组成高斯混合隐马尔科夫模型,最后利用训练样本对该模型进行训练,得到最终识别分类器。最后,通过实验和数据验证了该识别方案的高识别率和速度可靠性,具有一定的实用价值和意义。