本文在已有研究的基础上,对运动捕获的算法及技术进行了深入的分析,针对当前热点的运动捕获方法存在的一些缺点提出了一种融合深度图和三维模型的运动捕获算法。利用Kinect采集深度图像,经过对深度图去除背景,从中恢复出三维模型,进而建立三维模型数据库。然后根据深度图提取人体骨架,建立骨架数据库。接着使用运动捕获的识别算法,输入一组深度图动作序列,经过上述过程得到三维模型后与三维模型数据库中的模型进行匹配,计算出与之距离最小的序列,输出相应的骨架作为动作捕获的结果。通过实验验证了本文系统的效率。本文的工作内容主要包括以下几个方面：(1)通过对运动捕获技术研究背景及国内外研究现状的总结,提出本文的研究方向。(2)在目前主流的深度图像获取方法研究的基础上,提出了使用kinect获取深度图像的方法。同时,提出基于深度值的迭代阈值法去除深度图像背景的算法。(3)基于现有的三维模型重建的方法的特点,提出了基于深度图像的三维模型重建方法。通过对深度图像中三维信息的使用可以方便的恢复出三维模型。(4)以现有的骨架提取技术为基础,提出了一种先找出骨架关节点,然后将关节点用简单线条连接的骨架提取算法。并在该算法下实现了骨架的提取。(5)在现有的运动捕获分析方法的基础上,确定使用识别法进行本文的运动捕获仿真分析。建立了三维模型和人体骨架两个一一对应的数据库。确定使用层次聚类算法对三维模型的点云数据进行聚类。同时,提出了使用DTW算法进行运动序列的相似性测量,并通过实验证实本文算法的有效性和可行性。