人机交互一直是一个十分热门的研究问题。随着智能可穿戴设备的出现和发展,传统的鼠标、键盘和触摸屏等外接设备已经不能满足自然人机交互的要求,取而代之是各种以人为中心的交互技术,如语音识别、手势识别和人体姿态估计等。其中,基于视觉的交互技术主要有人体姿态估计和手势识别。人体姿态估计主要是通过分析人体影像信息,对人体的关节位置以及躯体姿势和运动进行估计;手势识别则是通过图像辨识手部动作含义。随着硬件设备的发展,现已能使用深度传感器来采集包含深度信息的图像,为人体行为分析提供更丰富的信息。本文主要研究基于深度图的人体姿态估计和手势识别。考虑人体和手都是具有复杂关节和固定结构的物体,本文在随机森林算法的基础上,引入隐性树模型,生成隐性回归森林来进行预测和估计。其中,隐性树包含人体关节的几何结构信息,由基于距离的Chow-Liu递归分组算法以非监督的方式生成。考虑关节间的联系,本文使用了欧氏距离和测地线距离两种度量来生成隐性树,并由这两种树分别引导回归森林的建立。本文将提出的基于隐性回归森林的人体姿态估计算法在公共数据集上进行了实验,分别对比了以上两种距离度量的实验结果并与现有方法进行比较。实验结果表示,本文提出的方法能够有效地对人体姿态进行估计,尤其是在人体存在自遮挡的情况下。此外,为了查看隐性回归森林在实际应用中的表现和性能,本文还在手姿态问题上进行了实验,利用算法提取的手关节特征构建了一个实时的手势识别应用。