人体运动分析是人机交互领域重要的研究点之一，人体动作的捕获是研究人体运动的重要部分，由于骨骼提取技术又是捕获人体动作的关键步骤，所以对骨骼提取方法的研究也是该领域的研究热点。人体骨骼携带的少量信息可以有效地表现人体各种动作，并且还能提高计算机的处理速度。本文利用Kinect硬件设备来获取深度图像，在深度图像的基础上研究人体骨骼提取技术。本文介绍了课题的选题背景与意义，以及Kinect传感器和深度图像的相关技术。选用中值滤波算法先对直接获取的深度图像进行平滑处理，然后利用阈值门限分割出深度图像的前景部分，再采用形态学变换的方法，如膨胀、腐蚀、开运算、闭运算对图像边界处与内部的噪声点进行了处理，并将深度图像的前景提取结果与传统帧间差分法的前景提取结果进行实验对比研究。在人体骨骼提取方法的研究中，分别对距离变换包括欧氏距离、城市街区距离、棋盘距离方法，图像细化算法包括Zhang快速并行细化算法和Hilditch细化算法进行了研究和实现，通过实验对上述算法的运行效果进行了对比分析，实验结果表明Zhang快速并行细化算法完成人体骨骼提取的效果较好。同时，利用深度图像具备深度信息这一特点解决了在骨骼提取中出现的人体自遮挡问题。在获取的人体骨骼线基础上根据NASA人体测量比例定位人体各骨骼关节点，并将检测出的人头重心点位置设定为人头骨骼关节点位置，肘部骨骼关节点采用最大三角形方法。最终用实验证明了本文骨骼提取方法的有效性。