近几年,人体动作识别在智慧家庭、智能监控等领域有着广阔的发展前景。尤其是在智慧家庭系统中,人们都希望以更加智能的方式控制家电。这种智能控制实现的前提是计算机能够通过捕捉人的姿态参数来识别动作以理解人的意图,其中捕捉人的姿态参数指的是获取人体关节点位置。最初,关节点定位研究是基于可见光图像展开的,但可见光图像容易受到颜色、光照、阴影等环境变化的干扰,导致关节点定位研究受到很多局限性。2010年微软推出了Kinect传感器,它极大地激发了研究者们的兴趣。这是因为深度图像中像素点的灰度值仅与图像物体到Kinect的距离有关,造价成本相较于其他深度传感器要低,且能极大程度地解决研究可见光图像时遇到的问题与瓶颈。同时,在一定范围内,深度图像可以实现三维空间的人体姿态估计。因此,本文采用Kinect获取人体的深度图像,并针对适用于智慧家庭系统的人体关节点定位算法进行研究并实现。主要研究内容如下:采用Kinect传感器来获取人体的深度图像并得到每个像素点的深度值,作为后续研究的基础;图像像素点分类是本文的重点。将人体划分为26个不同部位,针对每个部位用不同颜色标注并提取局域差值特征,结合随机森林进行训练学习以识别出每个像素点的所属部位;目的是对关节点进行准确定位。本文利用平均质心思想找到各部位质心以确定15个关节点的位置。与以往的人体关节点定位研究不同,该算法能够准确地检测出人体各部位并确定各关节点位置。本算法的局域差值特征,计算简单,有效地区分人体的不同部位,且在一定程度上解决了身体之间相互融合遮挡问题。随机森林分类器能快速且准确地实现对图像像素点的逐点分类。