目前，随着人机交互技术飞速发展，人体姿态识别技术越来越受到重视。姿态识别作为人体行为识别的重要组成部分，近年来逐渐成为计算机视觉领域的一个重要的研究热点。研究的主要方法是通过对输入的人的整体或部分肢体的参数进行分析，例如人体轮廓、关节点位置、手势肢体等。人体姿态识别同时具备着广泛的应用前景，目前主要应用在以下方面。
1) 智能人机交互。通过对人的表情、姿态或者手势等的识别来理解人的意图，从而让机器能够识别出人的意图并作出应对来实现交互的目的。
2) 生物特征识别。通过对人的行为、姿态、步态等信息的分析识别，能够判断出人的特定属性，由此可以应用于身份鉴别等。
3) 游戏娱乐。用户可以通过自身的动作来进行游戏互动，通过这种方式能够给用户带来全新的游戏体验，让用户在游戏的同时还可以运动锻炼，有利于人的身体健康。
4) 辅助教学。通过对特定用户的姿态识别可以辅助用户学习特定的动作，例如通过对运动员的姿态识别来判断特定姿势是否符合标准。
现有的姿态识别方法主要包括 2 种，其一是基于图像分析的人体姿态识别[1]，其二是基于运动传感器的人体姿态识别。基于传感器的识别技术主要通过让研究人员携带传感器来进行采集相关运动数据，常用的传感器主要包括加速度计、磁阻传感器、陀螺仪等[2-8]。
利用传感器获取研究人员的运动信息后，结合机器学习的相关方法，例如朴素贝叶斯、改进随机森林[9]、支持向量机(SVM)[10-11]等方法，对人的姿态做出识别。这种方法对姿态的识别结果主要受到特征提取方式即传感器使用和分类器选择的影响。另外基于图像的分析方法，通过提取研究人员的图像来作为研究分析的特征。目前基于图像的方法多采用堆图像高宽比、形状复杂性变化、离心率等分析图像的轮廓特征结合k-means 或 SVM 来判别人的姿态类别。传统的机器学习方法主要通过采用线性判别函数，对数据进行分析分类，往往难以在大量复杂相似的样本上取得好的分类效果。而深度学习网络凭借其强大的自主学习能力和高度的非线性映射，在一些复杂的高精度分类问题上依然能够取得非常好的分类识别效果，目前已经被广泛应用于语音识别、人脸识别、图像目标分类与检测等领域[12-13]。
[1]田元, 李方迪.基于深度信息的人体姿态识别研究综述[J].计算机工程与应用, 2020, 56(04) : 1 - 8.
[2]常龙飞, 牛清正, 宋伟, 唐振华, 何青松, 胡佳佳, 胡颖.压阻式柔性应变传感纤维的手指姿态识别装置[J].西安交通大学学报, 2020, 54(08) : 116 - 123.
