در سال های اخیر علاقه مندی به حسگرهای کینکت به دلیل قیمت پایین و کاربردهای گسترده در حال افزایش است. این ابزار می تواند با بهره گیری از دادگان اسکلتی و بدون استفاده از نشانگرها، وضعیت استقرار بدن انسان را برآورد کند. مسدود شدن بدن انسان با دیگر اشیا و حرکت سریع مقابل کینکت از معضلات اساسی برآورد موقعیت مفاصل است. در این پژوهش دو گام برای حل چالش موجود در نظر گرفته شده است. نخست، راهکاری بر مبنای مدل های اندازه گیری جهت تعیین درجه ی اعتبار مفاصل استخراج شده از حسگر کینکت ارائه شده که به عنوان ویژگی اثرگذار به همراه موقعیت مفاصل در کلاس بند بیشینه-حاشیه در نظر گرفته شده است. در گام دوم براساس میزان اعتبار هریک از مفاصل، تصمیم گیری شده و مفاصل از دست رفته تشخیص داده می شوند. سپس با استفاده از الگوریتم های بخش بندی بدن انسان مبتنی بر شبکه یادگیری عمیق، اعتبار بخشی مفاصل صورت می گیرد. نتایج نشان می دهد انتخاب ویژگی های مناسب در گام اول جهت مقایسه فریم های متوالی نسبت به روش های موجود، بهبود قابل توجهی در دقت کلاس بند دارد. همچنین گام دوم نیز با اعمال اعتبار بخشی به دادگان تاثیر زیادی بر افزایش دقت روش هایی دارد که از دادگان اسکلتی حسگر کینکت به عنوان ویژگی های ورودی بهره می برند
