世界老龄人口不断攀升,纯人力的护理方式不再适应当今世界的需求,伴随着智能机器人的快速发展,催生了一批智能移乘搬运护理机器人。当前,只有少数发达国家掌握了移乘搬运护理机器人技术,而国内移乘搬运护理机器人的研究较少,且缺乏基础算法的研究。本课题以河北工业大学大学自研移乘搬运护理机器人为实验平台,针对移乘搬运护理机器人系统对人体姿态检测的高准确性、近距离适应性等要求,提出一种基于双级串联卷积的神经网络算法,实现了精度高、近距离适应性好的人体姿态识别,为移乘搬运护理机器人提供了人机交互、安全保障的基础。首先,对移乘搬运护理机器人实验平台进行介绍。明确用户实际需求,提出移乘搬运护理机器人的机械结构,介绍了抱人部分、移动部分等;根据机器人对感知、动作、安全的需求,规划相应的控制架构;为了充分保证安全,进一步,明确机器人精度参数,分析机器人执行精度与识别精度,讨论精度与安全性之间的关系,制定识别精度标准。其次,针对移乘搬运护理机器人对人体姿态识别的需求提出相应方法。考虑到深度图存在的较多空洞及噪点,提出了相应的图像修复方法改善图像质量。为了可靠地识别人体关节位置,在充分利用RGB-D（RGB-depth）信息的基础上,提出一种双级串联神经网络。首先应用第一级网络估算彩色图像中人体关节像素坐标,将彩色图人体关节坐标点转换到深度图中,并计算关节热图,提出一种卷积神经网络结构作为二级网络,将深度图像和关节热图融合输入第二级网络,达到估算人体关节全局坐标的目的。再次,基于上一步预估的关节坐标,划取人体腋下ROI（Region of interest）,利用大律法对图像ROI进行分割,获得人体腋下前景,对腋下前景进行边界追踪,并对边界点进行凸包拟合,进而得到腋下点位置。最后,针对人体姿态识别的准确程度进行实验并分析实验结果。