脑机接口技术可以通过直接读取大脑运动皮层神经信号并解码控制外周的辅助设备、来帮助残障人士实现运动功能的重建,其中最重要的技术就是神经解码。手臂是人体参与交互的最重要的器官,大脑运动皮层信号对应于手臂大关节的运动信息解码以及对手腕关节目标的三维坐标解码至今仍然是一个重要的研究课题。在针对以上的研究中,如何方便的、准确的获得手臂的运动信息是其中的一个重要问题。相比于传统的运动捕获系统,基于深度信息的运动捕获系统更易于搭建且更方便使用,在精度上也能够满足神经解码的要求。本文以基于深度信息捕获手臂关节的运动信息为目标,提出了两种有效的方法：(1)利用追踪与深度图像同步的彩色图像；获得追踪手臂关节目标并计算其重心三维坐标,提出了一种Mean Shift与粒子滤波相结合的方法,既能稳定跟踪又使得追踪平均时间较传统粒子滤波减少50%；(2)利用像素分类的思想,将手臂分为6类,利用真实的数据训练获得随机森林分类器,然后通过分类器预测得到每个像素的分类,再计算同一类别的重心来获得手臂各个关节的三维坐标,实现了黑暗环境下目标手臂关节运动信息的获取。最后,以基于反光标记点运动捕获系统捕获得到的位置为基准,证明了上述两种方法在精度上的可用性。