人体运动捕捉是计算机视觉领域倍受关注的一个研究热点,在智能视频监控、视频分析、动画、游戏、医学诊断和人机交互等领域均有广阔的应用前景。它包括人体的标定与跟踪和人体动作的识别与理解两个主要内容。其中,人体的标定与跟踪是运动识别和理解的基础,在人体运动捕捉中起着关键性的作用。因此,本文以虚拟试衣系统为背景,研究人体的骨架化技术与人体关节点的定位,具有重要的理论价值和实际意义。　　 骨架是描述物体形状和拓扑结构的一种有效手段,广泛应用于人体的描述。基于距离变换的骨架化算法对人体的骨架有较好的效果,但无法保证骨架的连通性。本文利用图像梯度的性质,通过梯度化距离变换图,着重突出了潜在的骨架点;利用距离值和梯度值,寻找关键点;引入基于梯度的最短路径算法,连接所有关键点,形成物体的曲线骨架,解决骨架连通性问题。在此基础上,本文还提出基于梯度的优化方法,综合0°、45°、90°和135°四个方向的梯度图,形成新的包含所有潜在骨架点的梯度图。通过预设的阈值消除大部分非骨架点;利用轮廓法提取由骨架点组成的“粗”中脊线;通过拓扑细化得到“细”中脊线。最后,利用“细”中脊线构建最短路径算法所需的邻接矩阵,大大地减少算法的运行时间。　　 为了满足无标记的要求,本文利用人体的特性,通过寻找“边缘点”与主干点之间的路径,把人体曲线骨架分割成四肢和脊柱5个骨架分枝:利用人体模型的先验知识,提取每个骨架分枝的主要关节点;连接每个骨架分枝的关节点,形成人体刚体骨架。实验表明,关节点的位置与人体的真实关节点位置基本吻合,能够满足虚拟试衣中人体自动建模跟踪的需要。