随着世界人口老龄化问题的日益加剧,独居老人越来越多,以护老、助老为主要任务的面向家庭服务的助老机器人的相关研究成为人工智能和机器人领域的一个重要分支。机器人快速准确地对人的行为进行分析理解是核心问题,姿态识别作为行为分析理解的基础研究也受到了广泛关注。因此,为使机器人能够准确、快速地进行姿态识别,克服现有方法中受环境、光照影响严重等问题,本文在综合分析了现有比较成熟的人体姿态识别方法的基础上,将深度图像与人体姿态识别相结合,提出了基于RGB-D的人体姿态识别方法,并重点对以下几个方面进行了分析研究。首先,针对深度图中存在空洞的问题,对Kinect获取的深度图像进行了分析研究,提出了一种空洞修复算法。该算法采用最邻近插值与中值滤波相结合进行深度图像预处理,达到了空洞填充和去噪声的目的。其次,为获得更好的边缘检测效果,在对现有RGB-D图像边缘检测算法和模板匹配算法做了研究对比的基础上,确定将Canny算法作为人体姿态识别的边缘检测算法。同时,针对深度图像存在的噪声和空洞造成提取边缘信息不理想的问题,提出了边缘修复算法。利用头部的“?”曲线,采用“?”型模板匹配定位头部,提出基于MAD的头部匹配算法,达到了头部定位的目的。再次,提出了一种基于深度图像的区域增长算法,利用深度图像中邻近区域深度信息的相似性,采用深度信息进行区域增长,从而提取出人物区域。对提取出的人物区域提取HOG特征,采用神经网络GRNN作为分类器,实现了对人体姿态的分类识别。最后,通过实验验证本文提出的人体姿态识别方法的可行性,并分析实验结果。