随着科学技术的发展,传统的与有害气体、震动等环境因素相关的职业病逐渐得到控制,但肌肉骨骼疾患（Musculoskeletal Disorders,MSDs）由于其患病前期的无表现症状和后期的突发性,已经成为了影响工人职业健康的主要职业病。MSDs是一种由不良作业姿势与高强度的作业负荷所引起的职业性疾病,MSDs患者的症状主要表现为腿、手腕、腰背部以及头颈部等肢体部位的疼痛。MSDs不仅会直接影响工人的健康,而且还会对社会经济造成巨大损失。研究发现,评估工人工作姿势所造成的MSDs并采取科学的纠正措施可以有效降低工人MSDs的病发率。而现有的MSDs评估方法在使用过程中即耗时耗力又较为昂贵。因此,本课题以工人职业健康为出发点,结合人因工程学、肌肉骨骼模型、深度学习以及图像识别等学科知识,建立了一套基于姿势识别的MSDs风险评估系统,以期准确快速地评估工作场所中潜在MSDs风险,提高劳动工人的职业健康水平。本课题研究的主要内容与创新点如下:1)研究了基于作业姿势评估MSDs风险的理论可行性,从人体肌肉骨骼解剖学上定义了人体骨架关节点模型,并以该模型为基础分析了MSDs风险评估方法的可行性,为MSDs评估提供了理论基础。2)提出了基于人体骨架识别算法的MSDs风险评估系统,并完成了系统的理论设计与实践开发工作,命名为快速捕获评估系统（Quick Capture Evaluation System,QCES）,QCES系统结合人工智能算法解决了MSDs风险评估中的问题。3)通过实验验证了QCES系统的可行性与可靠性,对比了QCES系统与运动捕捉系统在肢体角度识别方面的一致性,对比了QCES系统与人因工程学家们在MSDs风险评估得分方面的一致性。实验数据经过统计鉴定,在肢体角度识别方面,其均方根误差（RMSE）平均值为4.77,Spearman’rho（ρ）相关系数的平均值为0.915。在评估得分方面,其一致性系数（P0）为0.952,kappa系数为0.738。证明了QCES系统不仅可以准确地识别与分析工人的作业姿势,而且可以准确地评估当前作业姿势MSDs风险水平。4)最后将QCES系统应用于实践,分析评估了实际复杂、遮挡严重作业环境下工人的作业姿势,对其结果进行了分析,并提出了相应的改善建议。