在篮球训练中,运动员的分析可以为教练直观地展示运动员的表现,制定相应的训练计划,提高球队的比赛成绩。随着视频分析技术的应用,可以对篮球运动员在训练中的动作进行分析,引入人体姿态估计方法,为运动员提供准确的动作分析结果。目前基于传统的RGB图像的视频分析有许多的研究,然而,由于受到光照、外观、背景的影响,以及运动员之间的遮挡比较严重,视频分析的结果存在较大误差。2010年微软Kinect的出现,使深度数据变得越来越容易获取,同时,深度图像受光照和背景等的影响较小,因此基于深度图像进行视频分析的方法得到关注。篮球运动员的动作规范工作主要包括:人体姿态估计、动作对齐和相似性度量。大多数研究者对于人体姿态估计使用基于单目摄像头获得的关节点数据,而这些数据在准确恢复3D人体姿态方面有待提高。为了提高3D人体姿态估计的准确性,本文采用了一种基于RGBD图像的3D骨架点提取方法;对于动作对齐问题,本文使用了一种动态时间规整(DTW)算法;对于相似性度量,本文给出了一种基于人体部位关节点特征的皮尔逊相关系数方法。本文的主要贡献如下:(1)研究了一种基于人体姿态估计和动态时间规整的篮球运动员动作规范方法。(2)采用了一种基于RGBD图像的人体骨架点提取方法,将彩色图的2D人体关键点得分图和深度图的体素网格输入3D姿态网络模块,预测人体的3D骨架点。(3)给出了一种动态时间规整方法进行动作对齐,解决不同人员的动作时间不一致问题,使用部位关节点构造的人体姿态特征,在皮尔逊相关系数的基础上进行了人体姿态相似性度量实验。(4)设计了一个篮球运动员动作规范系统,通过数据采集模块收集运动员训练动作的彩色视频和深度视频,上传到动作规范模块进行分析,帮助运动员找到训练动作与标准动作的差异。