由于不同个体的身体尺寸、形态以及行为模式存在差异，相同的人体姿态在不同个体上可能呈现出不同的尺寸和形状，导致最终人体姿态局部特征识别结果存在偏差。因此，以机器人的人体姿态识别问题为核心，为提高识别精度，提出一种基于改进RBF神经网络的人体姿态局部特征识别算法。利用深度相机得到人体关节点三维方位数据，归一化处理方位数据，组建关节点三维坐标；考虑到不同个体之间的差异，为实现对人体姿态数据的非线性映射和优化，准确识别不同个体姿态，采用newrbe函数构建RBF神经网络，提取人体姿态数据特征矢量，以为识别提供重要依据；为增强RBF神经网络在处理不同个体姿态差异方面的能力，确保识别的准确性和自适应性，使用粒子群优化算法改进神经网络，并通过特定概率对粒子实施遗传操作，实现网络优化得到人体姿态局部特征识别结果。实验结果表明，所提算法相对误差均较低，可维持在0.8以下，识别精度高，且在迭代次数达到20时损失函数以降至最低，收敛速度较快，可为农业机械化领域的人机交互提供扎实基础。