为了提高竞争力和工作效率,需要实时地获取员工的工作进度,这就需要通过频繁的记录工作进度来实现,但是人为记录时间间隔较长、人力消耗过大,这样的记录管理系统是不理想的。为了频繁地记录工作进度、避免人力消耗,需要一种无人化地自动记录进度的方案。论文通过微软Kinect采集的人体关节点数据和彩色视频数据两种信息,设计了一种无人化的自动记录方案,并将其虚拟现实交互平台上进行实现,主要的算法研究包括姿态识别分类、兴趣点的探测和姿态识别结果的融合三个部分。首先,为了解决了员工动作识别时动作长短不一的问题和骨架出现遮挡导致的低识别率的问题,分别采用了基于动态时间规整的骨架特征识别系统和基于局部特征的姿态识别系统。其次,为了达到提高动作识别准确性和鲁棒性的目的,论文将两个动作识别系统的识别结果进行融合和校正得到最终的类别标签。最后,在搭建的虚拟现实的平台上实现基于贝叶斯算法和数据校正技术决策融合的识别系统的交互应用,完成无人化地监测与进度记录估计任务。论文提出的姿态识别系统在Matlab平台上使用两个公共数据集和一个自采集数据集上进行了仿真测试,结果表明这种基于贝叶斯算法和数据校正技术决策融合的识别系统,对于有序的动作识别的准确率可提高到90%以上。在Unity平台上实现10种动作评估,此次的虚拟训练的动作识别系统的识别率对于大多数动作的识别率可达到90%左右,灵敏度均达到90%左右,能较好的满足精度和灵敏度要求。