随着人工智能、计算机、传感器等技术近年来的飞速发展，类人机器人无论在现实生活中还是在工业生产中都有了越来越广泛的应用。机器人智能程度的提升增强了人机交互过程中的舒适程度。本文将Kinect2.0深度相机传感器作为视频采集装置，NAO机器人作为实验平台对动作模仿问题中的运动学建模问题以及手势识别问题进行了深入研究，主要研究内容如下：
　　首先，对课题的研究背景和研究意义进行了简要叙述，对仿人机器人以及动作模仿问题的国内外发展情况以及目前的研究现状进行对比分析，完成了NAO机器人与Kinect2.0深度体感传感器之间的坐标转换，介绍了Kinect2.0传感器深度图像的获取原理并与Kinect1.0传感器对比，最后介绍了示教数据的处理情况为后续的研究打下基础。
　　其次，分析了动作模仿问题中相邻两关节平行的情况下利用经典D-H模型对仿人机器人进行运动学模型创建时会产生较大偏差问题的原因。为解决该问题采用D-H模型的改进模型MD-H模型进行仿人机器人运动学模型的精准创建，并对该相应模型进行了正向运动学以及逆向运动学的推导，通过实验验证了这种改进方法的有效性。
　　最后，动作模仿系统通常忽视了机器人对于示教者手部的模仿，对于这一问题本文提出一种基于深度信息图像的手势识别方法，并将其融合至机器人的上肢动作模仿中。本文提出的手势识别方法首先利用最佳阈值法对手部区域进行分割，然后利用八邻域搜索算法进行手部轮廓提取，最后利用改进的重心距离法结合视觉传感器获取到的深度信息进行指尖识别。通过对比实验验证了改进方法有效提高了手势识别的识别精度。