人体姿态识别与动作分析是计算机视觉领域中的重要研究方向,人体部位识别可以为人体姿态识别研究奠定基础。近年来深度图像技术的快速发展为人体部位识别与姿态识别提供了新的研究思路。深度图像直接反映了场景中物体的三维空间信息,不受光源照射方向、颜色、纹理以及物体表面的反射特性的影响,而且也不存在阴影,相比传统可见光图像有着无可比拟的优点。通过深度图像可以极大简化目标识别、三维重建等计算机视觉领域中较为复杂的任务。本文主要研究基于深度图像信息的人体部位识别方法。受到微软剑桥研究院的Shotton提出的一种基于深度比较特征的像素分类方法的启发,通过构建人体深度图像样本库,基于传统深度比较特征,使用随机森林训练样本数据获取人体部位分类模型。通过分析传统深度比较特征在人体部位识别中的一些问题,对传统深度比较特征进行改进,提出中心圆偏移深度比较特征。使用中心圆偏移深度比较特征结合随机森林进行人体部位进行识别研究,通过对影响分类结果的各个因素分析比较,研究最佳分类模型。在测试数据集上的实验结果表明,相比传统深度比较特征,在计算量没有增加的情况下,使用中心圆偏移深度比较特征,人体部位识别正确率平均提升了4.92个百分点。使用中心圆偏移深度比较特征不仅能够更准确的提取人体关节点从而生成人体骨架信息,而且可以在小样本情况下获取具有更强泛化能力的人体部位分类模型。