数据驱动手部骨骼模型运动技术是计算机动画和增强现实领域的一个重要研究内容。在影视作品，医疗卫生，军事研究等领域中，该项技术都得到了广泛的应用。数据驱动能够非常真实地复现目标物体的运动行为特征，逼真度较高。数据驱动采用的数据采集设备，如数据手套、光电式运动捕获系统等，大多存在着部件组成较多，设备体积较大等问题。针对这类问题，本文采用非入侵式Kinect与LeapMotion两种体积较小的数据采集平台采集的数据，对数据驱动手部骨骼模型运动的方法展开研究。具体研究内容如下：　　1、构建手部骨骼模型。为了凸显手部骨骼的三维特征，本文基于OpenGL开放式图形库，利用球坐标系向笛卡尔坐标系转换的方法，构建三维球体模型与三维胶囊体模型。参考手部骨骼的解剖结构，合理搭建手部骨骼模型，通过驱动各个关节的旋转角度完成手部姿态的设定。该模型具备与真实手相同的自由度，能够模拟大部分真实手部骨骼动作。　　2、采用Kinect采集的数据作为数据源，探讨了基于欧拉角与球坐标的腕关节旋转姿态估计方法。基于欧拉角的方法利用罗德里格旋转公式与三维图形变换相关定理获取初始帧与当前帧手方向向量间的欧拉角变化量，然后利用获取的欧拉角变化量驱动模型腕关节转动。基于球坐标的方法，利用笛卡尔坐标系向球坐标系转换来获取初始帧与当前帧手方向向量间的角度变化量，利用该变化量驱动手腕关节运动。实验表明，两种方法在只考虑手方向向量作用的情况下，都能较为真实的反映手的运动情况，且第二种方法在实现时较为简便。但通过后续分析可知，在手方向向量作用情况下考虑手掌法向量的影响，则第一种方法在实现上更具简便性。　　3、采用LeapMotion采集的数据作为数据源，探讨了基于关键点模型的改进方法。在原始数据的基础上对初始帧时掌关节的坐标进行估计，并提出对当前帧掌关节坐标估计值进行修正的方法。根据手指的结构特征，将手指分为两类。将两类手指在运动时的姿态分别抽象为四边形与三角形两类模型。利用余弦定理对两类模型进行数学建模。在两类数学模型的基础上，结合相关先验知识，对手指上近关节、远关节的弯曲角进行估计。利用估计的弯曲角数据，驱动与之对应的关节旋转，实现手姿态的复现。实验表明，关键点模型的改进方法与改进前的方法相比具有数据利用率高，算法复杂度低，手势姿态复现效果好等优点。　　本文针对Kincet与LeapMotion两种数据源进行了数据驱动的手部骨骼模型运动呈现方法研究。实验结果表明，Kinect数据源能够获取良好的手腕关节的运动信息，但在获取手指运动信息方面存在数据丢失和较多噪声等问题。LeapMotion数据源相较Kinect数据源能够获取更为丰富和可靠的手指运动信息。本文提出的基于关键点模型的改进方法在LeapMotion数据源上能够获得逼真度很高的手部骨骼运动。