随着生产任务和生产环境复杂化,越来越多的场景需要人机协同作业完成,人机协作首先要考虑的是安全问题,但在工业应用中传统工业机器人不具备智能决策和感知协作人员的能力,只能对简单工作任务重复操作,同时为了保证工作人员的安全,通常把工业机器人的工作空间单独隔离开来,不仅占用大量工作空间,而且不利于自动化生产线配置。针对上述问题,本文重点研究了传统工业机器人人机协作安全方法,主要研究工作如下:（1）基于深度学习的任务识别研究。针对人机协作中工业机器人只能进行简单工作重复操作的问题,使用改进后的YOLO v4-Tiny-ours目标检测算法去识别协作人员的工作任务,机器人根据协作人员的工作任务选择与之对应的工作路径,使工业机器人在人机协作中具有智能决策的能力。（2）人体姿态估计与测量研究。针对传统工业机器人不具备感知协作人员空间位置信息的问题,使用改进的基于深度学习的双目立体视觉测量方法测量人体骨架信息,首先将双目相机内外参标定和矫正后得到的深度差异映射矩阵,再利用Alphapose人体姿态估计算法输出左右相机对应的人体关节视差值计算输出人体姿态空间位置信息。（3）人机协作安全系统的总体设计与实现。根据实际的人机协作场景,提出基于最小安全距离人机协作安全方法,并对所提出的方法在实际工业机器人系统上进行验证,设计并基本实现了能够保证人机协作安全、并能使工业机器人具备智能识别任务和感知协作人员空间信息能力的人机协作系统,同时利用Unity虚拟现实技术可视化呈现了人机协作环境,可以在虚拟场景中实时远程监测真实的协作空间,让人机协作更加安全高效。