随着社会的进步与物质文化水平的提升,人们越来越重视日常娱乐、健身等需求。可以在家庭及社区方便使用的人体运动评价系统能很大程度上提升娱乐健身的乐趣与体验。现有的人体动作分析方法多是基于可穿戴设备等专业系统,它们价格昂贵,使用不便。而近年广受关注的消费级深度相机在人体运动分析上能在一定场景替代一些专业设备,且使用方便。针对有规律的人体连续动作评价问题,本文利用深度相机分别从人体目标跟踪、人体骨架模型矫正、人体动作特征描述及人体动作评分方法等四个方面展开研究。本文的主要工作及创新点如下:(1)根据Kinect深度图像的特点,提出一种改进的结合Kalman滤波器的Meanshift人体目标跟踪方法。首先分析了传统的Kalman-Meanshift方法在深度图像中跟踪人体目标时出现“近物跳变”与“远物跳变”缺陷的原因。针对这两种缺陷,分别提出了基于深度值变化的跟踪模板更新方法与基于人体目标检测与障碍物屏蔽的再跟踪方法,解决了有障碍物干扰时出现的跟踪框跳变现象,提高了深度图像中人体目标的跟踪准确率。(2)基于关节点线性运动模型,提出了一种基于Kalman滤波器的关节点预测矫正方法。首先分析了Kinect骨架模型在人体肢体相互交叉、遮挡或人体作大幅度动作时部分关节点瞬间远距离跳变的问题。对易跳变关节点建立线性运动模型,利用Kalman滤波器输出的预测位置进行关节点跳变的判断与矫正,从而获取更准确的Kinect关节点位置。(3)为了更准确的进行人体动作评价,提出了一种基于人体关节点间几何特征与平面法线方向的特征描述子。首先使用9个人体关节点构造三角形的相对面积和三角形所在平面法线方向与竖直方向的夹角作为特征,然后用特征的变化速率自适应地对各特征进行加权,得到最终的带权值的特征描述子。实验表明所提出的特征描述方法相较其他特征方法能更准确描述人体动作变化。(4)基于模板比对的思想,提出了一种基于改进DTW算法的人体动作评价方法。首先介绍了一种考虑一阶与二阶微分的DTW改进方法,以提高特征序列的匹配准确性,然后由标准动作与对比动作的DTW距离与专家评分进行距离-分数的对应,从而给出对比动作的评分。实验表明,基于改进DTW算法的人体动作评价方法能较好地对人体动作给出量化评价,且评价准确性较基于传统DTW的方法更好。