随着现代网络技术与计算机技术的快速发展，人们逐渐走向了信息化与智能化时代。人体姿态识别技术是通过利用计算机对输入的视频或者图像序列进行处理、分析和理解，最终得到人体姿态的高级语义解释与自动判断结果的一个过程。人体姿态识别技术在智能楼宇监控、运动物体分析、虚拟现实、感知接口以及军事目标识别等多个领域有着广泛的应用和发展前景。本论文中的人体姿态是基于人体骨架特征来进行识别的，骨架是物体的一种拓扑结构描述方式，它被广泛地应用于道路探询、路径规划和特征识别等领域。本论文文主要工作目标和工作内容是寻找一种计算简便的骨架提取算法，对带有毛刺的骨架进行处理剪除掉多余的骨架分支，结合支持向量机和模板匹配相结合的学习分类方法，最终实现人体姿态的进行快速识别。　　首先，论文分别介绍了人体姿态识别技术的发展背景及研究意义，从应用研究和技术研究两方面详细地分析了人体姿态识别技术在国内外的研究发展现状。　　然后，论文通过基于轮廓删减法的骨架提取算法和一种改进的骨架分级毛刺剪除算法，通过该算法可以有效地提取出人体骨架，并且能快速地剪除人体主干的骨架分支上多余的毛刺。该骨架提取算法和其他的骨架提取算法相比有着计算简单、运算量小的优点;提出了一种新型的基于骨架加权角度距离的骨架特征表示方法，该表示方法既能从角度上反应骨架分支的分布情况也能从距离上反映出各个角度上分支的分布状况;提出了一种基于模板匹配方法与支持向量机方法相结合的自适应分类器，该方法能支持在不同的人体姿态训练样本数下的姿态识别，从而可以为以后的进一步研究提供更加顺畅的人机交互技术。　　最后，论文分别采用了100组数据对交通指挥姿势中的直行信号姿态、变道信号姿态、左转弯信号姿态、右转弯信号姿态和减速慢行信号姿态五种指挥姿态的关键帧进行了学习分类和实验分析，并对本论文的工作和今后的研究重点进行了归纳总结与展望。