人体运动捕捉应用广泛,包括智能监控、人机交互、虚拟现实、计算机三维动画制作、体育运动训练辅助以及医学步态分析等。因此,人体运动捕捉有着非常重要的研究意义。传统的带标记点的运动捕捉技术需要在人体上标注LED等标记点,然后将标记点的位置和运动方向经传感器传送回计算机,并由计算机进行分析,以获得人体的运动姿态信息。此类运动捕捉系统有以下几个缺点:(1)运动捕捉设备非常昂贵;(2)操作人员需要熟悉标注物的有关说明和操作;(3)运动过程出现遮挡时,标注物与控制点的准确匹配难度很大;(4)将标注点的位置信息准确地转化为刚体运动数据相当困难。无标记点运动捕捉系统则通常采用一个或多个相机,对场景中的人物进行拍摄,从同步视频中获取人体的三维模型,最终恢复人体的运动信息,如关节点位置和关节旋转角度。相对于带标记运动捕捉,无标记运动捕捉由于直接对视频序列中的运动人体进行研究,因此更具有研究价值。带有关节中心位置信息的刚体骨架表征了人体某一时刻的运动姿态,在无标记点运动捕捉中有着非常重要的意义。本文的研究重点集中在无标记点运动捕捉系统中的三维人体刚体骨架提取算法。目前的提取算法对模型边界噪声比较敏感,无法得到满意的曲线骨架,从而无法计算关节点中心位置。本文针对这一问题,提出了一种提取人体三维骨架的算法。首先利用视频序列的轮廓图像重构人体的volume模型;然后根据排斥力场理论,计算人体的分层曲线骨架;并提出连接准则,采用回溯法对曲线骨架的不同肢体分别进行连接,在连接过程中利用二分搜索法获取准确的距离与角度阈值,得到分割且除噪后的曲线骨架;最后根据模型的先验信息,提取人体骨架的关节点中心位置。实验表明,该算法能够得到良好的效果,具有较强的鲁棒性,克服了基于体素模型的骨架提取算法对模型边界噪声敏感的难题,并且能够实现人体骨架的自动提取。