人体骨骼运动数据在游戏设计、影视制作、体育训练和医疗康复等领域得到了广泛的应用。人们可通过高精度运动捕获系统,如Vicon光学运动捕捉系统和Xsens传感器运动捕捉系统等来获得人体骨骼运动数据,这些高精度运动数据采集设备获得的人体骨骼运动数据节点信息丰富并且精度较高,然而其价格昂贵且穿戴不便,难以普及使用。深度相机Kinect可以实时获取人体骨骼运动数据,其价格低廉、易于使用,但其获取的运动数据仅含25个骨骼节点并且含有大量的噪声。若可以对Kinect采集到的运动序列进行优化处理,使其数据精度达到动捕级别,那么将大大降低高精度运动数据的获取成本。本文针对Kinect骨骼运动数据优化问题,提出了一种基于堆叠自编码器实现Kinect骨骼运动数据动捕化的算法,并基于该算法设计并实现了面向Kinect的高精度运动数据采集系统。该方法的特点在于能够去除Kinect运动数据噪声,提升Kinect运动数据细节层次,并且能够对Kinect长序列稳定处理。本文的具体内容包括:1)提出一种可对长序列进行处理的堆叠自编码器及其训练方法。该网络由堆叠双向循环自编码器与感知自编码器组成,网络使用配对的Kinect和动捕数据片段进行训练,在训练过程中对堆叠双向循环自编码器中每个双向循环自编码器的输出施加均方误差约束、骨骼长度约束以及平滑性约束,并对感知自编码器的隐藏单元施加隐变量约束。实验结果表明,提出的堆叠自编码器输出的运动结构合理,平滑自然,可以有效去除Kinect数据的噪声,提升Kinect运动数据细节层次。2)利用所提的堆叠自编码器优化算法,实现了面向Kinect v2.0的高精度运动数据采集系统。系统通过可变滑动窗口的方式实现对运动数据长序列的处理,每个运动片段依次输入网络,取网络输出数据的中间帧作为最终优化后数据。系统利用Kinect SDK中的运动识别工具实现数据的实时采集,并通过UDP本机通信实现数据在展示端和计算端的数据传输,可将实时采集的Kinect数据转换为高精度动捕数据进行保存,实现基于低精度便捷设备获取高精度运动数据的目的。