苏志同，张小桥

(北方工业大学 信息学院，北京 100144)

0 引言

随着计算机在我们生活中发挥着越来越重要的作用，单目图像估计三维人体姿态成为计算机视觉中的一个重要课题[1]。随着深度学习的发展，用深度神经网络解决三维人体姿态估计问题的技术也发展的越发成熟。

关于人体姿态的动作捕捉，存在很多种方法，第一种是带有传感器的关节、刚性连杆的及机械式运动捕捉；第二种是利用声波发生和接受器的声学式涌动捕捉；第三种是利用电磁发生和感应的电磁式运动捕捉；第四种是利用标记点和摄像机的光学是运动捕捉；第五种是基于视频的运动捕捉[2]。本文利用的是第五种中基于单目摄像头进行的动作捕捉，目前也有双目摄像头的研究[3]，但有架设成本高、调试时间长的缺点。而单目摄像头获取容易，在笔记本电脑上的摄像头就能轻松实现。

伴随神经网络技术的逐步发展和完善，利用深度学习来获得人体骨骼姿态成为一种趋势。本文在通过 Openpose获得骨骼数据的基础上进行姿态对比，能够在为动作学习需求学员提供一定的动作方面的知道。在动作教学发展方面具有一定的意义。在二维数据对三维数据进行了转化，随后用卡尔曼滤波对数据进行降噪。通过预先输入教练动作的数据，以此骨骼数据为标准动作数据，然后再输入学员的动作数据，通过余弦相似度和欧式距离来判断和标准动作的差距，并给出每个骨骼数据的分数。……