近年来,人们在皮影戏保护方面展开了很多的研究与探索。为了改变皮影戏传统文化的现状,我们在皮影戏的数字保护方面做了研究与探索。针对于目前的仿真形式缺少对皮影戏整体综合场景的仿真,本文从皮影戏综合场景入手进行数字建模仿真。此外对无法完成皮影戏动画仿真的交互式快速仿真的问题,本文提出了一种数据驱动的皮影戏动画仿真生成方法,从视频数据中提取动作控制元素进行皮影戏动画的生成。首先从数据驱动的角度对皮影戏动画的运动控制进行仿真,主要包括对于皮影戏综合场景的数字建模和运动控制数据的提取两个部分,然后将运动控制数据快速应用到皮影戏模型上生成皮影戏动画。在皮影戏的综合场景数字建模方面,采用次世代建模的方式,对皮影戏的模型、幕布、灯光和固定场景等进行建模,采用OGRE引擎软件进行渲染显示。对于控制数据采用通用的运动数据格式文件进行组织,实现姿态轨迹数据序列向BVH运动数据格式文件的转换,以及BVH运动数据对渲染引擎中模型的运动控制。其次在控制数据的提取方面做了研究和探索,结合皮影戏运动表演时的特点,实现了从RGB视频中提取人体姿态数据,然后将视频中的姿态数据组织成运动序列来控制皮影戏模型的运动,生成皮影戏模型控制动画。本文在2维姿态数据的深度卷积神经网络框架基础之上,提出一种在视频中进行时空数据的结构化学习方法,在深度学习网络框架中将整体的结构化学习过程都融入到网络框架结构中,在得到较为精确的单幅视频帧的姿态数据的同时,还达到了视频中的时空一致性维护的目的。本文在得到2维姿态数据后,完成了3维姿态数据的提取,并且结合皮影戏表演时特有的受限运动场景特点,进行了2.5维的姿态数据的约束。在2.5维姿态数据约束过程中,完成了对约束数据的运动追踪补偿和修正,使获取到的运动控制数据更加稳定和精确。