人体运动数据的获取、监测、分析与可视化显示在医疗康复、运动健身和体育训练等领域的应用需求不断增加。使用者也不再满足于该系统的功能丰富性,而对实用性和使用体验感等方面提出了更高的要求。传统的基于标记的光学运动捕捉技术需要在特定场地下佩戴传感器才可完成数据采集,极大地降低了实用性和应用范围。另外,许多系统采用简单的棍棒模型重现人体动作,无法为使用者提供直观的三维运动展示。基于这些问题,本文采用计算机视觉和深度学习的方法获取人体动作,并对其进行分析后利用计算机渲染技术为用户提供一款成本低廉、场地选择灵活、沟通高效的人体三维运动可视化系统。本文主要研究工作如下:1.为了方便方法研究和可视化评价,首先搭建了一个基本的人体三维运动可视化系统。选用Make Human软件建立了虚拟人物模型,将采集的人体运动数据流映射到虚拟人物模型上,实现了人体运动数据可视化,并采用OSG引擎渲染虚拟场景,增强了用户的真实感。2.采用Open Pose关节点检测算法获得人体二维关节点数据,并将得到的二维数据作为3D人体姿态估计神经网络系统的训练数据,获得3D人体运动数据流,优化数据处理流程,降低了对视频采集设备的要求。3.在运动数据重定位到模型的过程中,使用了往返式逆向运动学方法调整关节点位置,同时使用归一化欧氏距离矩阵以保证关节点相对位置在重定向前后的一致性,克服了脚步滑步、脚步浮空、脚步穿透地面等失真现象。4.采用DTW算法进行动作相似度评估,利用“根节点发散法”提取动作特征向量,以特征向量角及长度变化量创建DTW算法的匹配模板,在分析了传统的DTW算法存在的问题后,使用基于及早停止的DTW算法提高算法效率。最后实现了一款具有模型场景渲染和动作捕捉评价功能的软件,并对软件各个模块的性能进行验证。