本发明公开一种基于深度学习的人体姿势识别方法,主要解决当前姿势识别技术计算量大,准确度不高的问题。该方法首先用Kinect#V2.0深度传感器采集多个人体样本的动作姿态特征；保存其人体动作姿势的RGB数据和骨骼数据；把骨骼数据经过图像预处理后得到骨骼图像作为训练集与测试集；将训练集输入一种基于卷积神经网络(CNN)的专用于人体姿态识别领域的Posture#CNN中,经过训练、测试调整网络结构和网络参数后得到分类结果；并将不同人体样本的动作姿态特征作为测试集输入分类网络,输出概率最大的动作即为识别结果。本发明使用卷积神经网络提高了识别准确率,降低了识别时间、运行成本低、方法简便可以应用在智能家居、安全监控、运动分析等场所。