在家庭服务机器人研究领域,如何让机器人准确快速地识别人体行为已经成为该领域重要的研究课题之一。服务机器人对服务对象行为识别的能力成为机器人能否给人类提供更好服务的先决条件。本文在综合分析近年来比较成熟的人体行为识别方法的基础上,综合考虑家庭服务机器人平台及家庭环境中人体行为的特殊性,结合深度图像处理方法,提出了一种新的面向家庭服务机器人的人体行为识别方法,并重点从以下两个方面做了分析研究。首先,根据人体行为特点确定行为关节点,完成人体行为特征提取。采用Kinect传感器获取骨骼模型和深度图像,并根据提取到的骨骼的三维坐标及相对传感器的取向矩阵。选取动态行为识别的关键骨骼关节点,通过对骨骼模型提供的数据信息处理得到身体姿势特征、手部位置特征、运动信息三类特征。其次,融合深度图像的点云信息作为第四类特征,将这些特征值作为动态行为的特征向量。其次,针对所提取特征研究人体行为识别方法。基于一个行为即为一个关键动作序列的思想,构建了人体行为识别模型。利用高斯混合模型确定了关键动作候选集,并通过熵模型选择出构成人体行为的关键动作,接着以改进的遗传算法,即以最小编辑距离为适应度函数完成遗传算法操作,优化得到关键动作序列模板。最终,利用模板匹配的行为识别算法完成识别。根据关键动作序列与模板中关键动作序列的相似性判断行为类别,匹配对应的行为类别即为识别到的人体行为最终结果。最后,选定家庭环境中常出现的12种人体行为,进行人体行为识别,从镜像动作和光照强弱这两个方面进行了人体行为识别实验,然后分析结果做出总结。验证了本文所提出方法在实际生活中的可行性。