近年来,如何实现人与计算机之间自由且便捷地交互逐渐成为国内外学者的一个研究热点,特别是随着人工智能、机器视觉及相关硬件设备的不断发展,体感交互技术作为人机交互的一个重要研究方向,可以在人机不接触的情况下,通过人的肢体动作自然地完成与机器的信息交互。本文针对基于光学感测的体感交互技术中两个主要构成部分,即三维重建和人体姿态估计进行了重点研究,为了实现一种实时准确的体感交互方法,完成的主要工作内容有:在三维重建中,采用了一种基于散斑的三维重建算法,该算法首先利用零均值归一化互相关算子(ZNCC)求取散斑图像的视差;然后利用三角化测量公式根据视差值求取目标场景的深度值。由于体感交互算法对深度重建的准确性和实时性有较高的要求,本文在已有算法基础上为了解决传统重建匹配算法在视差不连续区域误匹配问题,引入了分阶段重建思想针对视差连续和非连续区域分别采用“赢者通吃”和种子生长策略完成深度重建;另外为了降低散斑图像亮度不均衡对重建结果的影响,采用了ZNCC相关算子,提高了匹配计算的抗噪性和光照适应性;最后为解决ZNCC算子的冗余计算问题,在GPU并行计算架构和ZNCC改进公式的基础上,采用积分图和前缀加法加速视差求取过程,提高了深度重建的效率。在人体姿态估计中,本文参照J.Shotton等人的算法思路,在深度数据的基础上将姿态估计问题看作是对深度像素的分类问题,通过随机森林算法完成姿态分类器的训练,通过mean shift算法提取人体关节点。在分类器训练过程中,针对训练数据的特征空间维度过高问题,采用了基于特征预筛选方法以去除无效特征;另外为了提高人体姿态预测的准确性,根据姿态动作的特点在决策树的组合中引入了分层决策思想。最后,针对本文的研究内容进行了相关的实验验证工作,实验结果表明所提方法实时有效。