人体步态捕捉在医疗康复、体育训练、交互控制等众多领域有着广泛且重要的应用。本文针对目前有标记步态捕捉系统存在使用复杂、成本高昂、操作不便,而无标记步态捕捉系统其准确性和稳定性又不能满足相关领域使用要求的情况下,提出一种基于深度相机的无标记人体步态捕捉系统,有效的改善了捕捉的准确性和稳定性,旨在人体步态捕捉分析能够真正落地应用于相关领域,提升使用者的康复及训练效果。本文主要对基于深度相机的无标记步态捕捉系统关节定位准确性和稳定性进行了研究。目前,采用机器学习对深度图像进行处理定位关节点的无标记运动捕捉方法的稳定性和准确性仅能满足姿态识别与轻度交互控制,在具体步态参数获取方面仍不满足需求。对此提出一种通过两台深度相机重建个性化人体下肢三维模型,并通过模型与实际点云配准的方法来提高关节定位的准确性和稳定性的步态捕捉方法。具体研究工作如下:(1)针对多深度相机外参标定存在视角受限以及操作繁琐的问题,提出一种基于数字模型配准的标定方法。该方法的标定靶采用平面镂空几何图案,制作方便且能同时对多台深度相机进行标定,不受视角限制。将标定靶的数字模型作为中间配准目标,与标定靶实物点云进行配准,然后根据数字模型的特征点对求解相机外参,有效的降低了对实物点云直接配准过程中,因点云角点与边界的缺失造成标定精度下降的情况。经测试验证了该方法的有效性,为深度相机的标定提供了一种、方便、快捷且准确的方案。(2)为了解决人体三维模型重建过程中要求人体姿势保持不变,并借助转台完成重建的问题,提出一种人体分段三维重建的方法。该方法将人体点云根据关节点分割成多个可视作刚体的人体独立环节,然后采用KinectFusion算法将每个人体环节重建至基础帧上,形成完整的三维模型;从而避免在人体旋转自身的过程中因前后帧人体姿势不匹配造成的重建失败。根据实列验证,人体只需在深度相机前自行旋转便可完成三维模型重建,提供了一种切实可行的人体三维重建方案。(3)针对基于机器学习的无标记人体步态捕捉系统存在关节点定位不稳定、抖动以及错位的问题,提出一种分段模型配准的人体关节定位方法,通过在人体下肢模型中内嵌入一个可靠的人体骨架用作关节定位;然后将模型与实际人体点云以分段配准的形式来定位关节点的位置,提高了关节点定位的准确性与稳定性;同时,与传统基于模型的无标记步态捕捉相比,采用分段模型配准定位关节可以避免人体姿态的估计与模型形变的问题,有效的减少了计算量与复杂度,并保证关节定位结果的准确性。最后通过一系列的实验验证了本文所提出的无标记步态捕捉方法对关节定位准确性和稳定性的提升。