在科技高速发展的21世纪,人们对一个系统能够快速有效的鉴定真实身份的需求日益增加。一些较为成熟的识别技术如指纹识别、人脸识别等已经应用在各生活和工作领域,但是由于人与人之间五官较为相同,一些违法乱纪份子通过精湛的化妆技术就可逃过识别。因此,本文提出了一个基于人体骨骼结构的人物识别系统,弥补了现有识别技术的空缺,为识别提供了更有效的依据。由于人体骨骼长短比例以及个体身高等特征是其内部属性,即便是年纪相仿的人,其臂长、腿长、肩宽以及与其他骨骼长度的比值都具有唯一性,因此基于骨骼结构的人物识别拥有极强的个体差异性和稳定性;同时与其他生物特征的识别相比,在方便性和直观性上更胜一筹。在实验中我们发现,结合BP人工神经网络,通过人体骨骼特征值能较好地对人物进行识别。为方便直观的显示实验结果,此次研究设计了一个windows窗体应用界面,用户只需点击不同按钮达即可达到不同目的。但由于时间和能力有限,此系统仍有不足,论文的最后梳理了重要的约束因子并提出拟解决方案。研究以微软Kinect for Windows体感仪为设备支撑,在其红外线CMOS摄像镜头、红外线发射镜头以及RGB摄像头三方支持下,搭建了骨骼数据采集和识别系统。实验步骤如下:通过编程驱动Kinect得到被识别人物的20个关节点数据作为特征值进行筛选。因为Kinect得到的图像拥有3D深度,所以获取景深图像是得到关节数据的第一步。其次,我们需要找到被识别的人物。采用分离技术把目标人物从背景中提取出来,获取和解析人物的景深图像的像素,通过数学计算确定目标人物身体的每个部位。最后,利用编程方法对已获取的关节点数据进行记录和输出,并筛选出有用数据作为特征值来训练学习和检测,以实现身份鉴定。其研究方法主要包括BP人工神经网络和ANN神经网络分类器。