三维人体姿态是描述人体输入指令的重要信息点,机器能够很好地阅读人体姿态的含义,对于人机交互有着非常重要的意义。目前三维人体姿态识别存在着生成动作序列抖动、识别速度过慢以及环境遮挡时检测不准确等问题。本文针对上述问题展开研究并提出改进策略,最后根据改进内容制作了实时三维人体姿态识别系统。本文着眼于三维人体姿态识别技术,结合现有技术,分析其中存在的不足,提出了将TCN网络与Open Pose结合的二维姿态检测器,并使用角向量计算重建三维人体坐标,最后通过模型压缩技术提高检测速度,最后在具体应用问题上进行了实验验证以及搭建三维姿态识别系统。实验结果与系统演示表明,本文提出的三维人体姿态识别方法在虚拟创作及艺术展演等方面有实际应用价值。主要研究内容如下:提出一种结合Open Pose、TCN网络与角向量计算的三维人体姿态识别方法。使用Open Pose完成初始二维人体姿态识别,使用TCN网络对二维人体进行进一步处理,以消除时序抖动并生成平滑的动作序列。最后,利用角向量计算方法将二维人体姿态重建为三维。通过实验证明,这种两阶段的三维人体姿态识别的方法可以在遮挡、模糊等场景下正确识别出三维人体坐标点,并且在Human Eva、Human 3.6M数据集中表现良好。提出一种基于通道冗余的人体姿态模型压缩方法,可有效提升人体姿态识别模型的检测速度。通过分析通道冗余的对压缩模型参数的可行性,设计了算法用于检测模型中的冗余通道,加快模型推理速度。通过大量实验证明,该方法在压缩模型体积的同时提高了关节点热图的清晰度。本文构建了由数据采集、人体检测、姿态识别、模型输出四个模块构成的三维人体姿态识别系统,并整合了本文提出的算法。然后在相对应的硬件环境下完成了该系统的搭建,并通过实验展示了三维人体姿态识别及输出模型等功能。