人体结构分析算法在智能监控、人体三维重建、人体姿态识别等领域扮演着十分重要的角色,人体骨架模型建立算法是人体结构分析算法中最基础的部分。人体骨架模型建立算法包含两个部分:人体骨架提取算法和人体关节点估计算法。本文对这两个部分进行研究并在原有算法上进行了改进,使得该算法适用范围更广。目前广为采用的人体骨架提取算法是基于轮廓的人体骨架提取算法,该算法主要有四个步骤:(1)计算人体轮廓图的距离变换及距离变换的梯度;(2)提取人体骨架关键点;(3)提取人体骨架特征点;(4)连接人体骨架特征点形成人体骨架。在步骤4中连接人体骨架特征点时,可能会出现无法连接骨架特征点的情况。因此本文结合最小生成树算法对第四个步骤进行改进,提出了基于最小生成树的人体骨架提取算法。最后通过分析和实验验证,改进后的算法相比于改进前的算法,在无遮挡正面的正常人体轮廓图像上能更好的提取人体骨架。常规算法一般利用人体各部件间的比例关系估计人体关节点,然后连接关节点得到13个关节点的人体骨架模型。本文比较了13个关节点和16个关节点的人体骨架模型之间的区别,并且采用了16个关节点的人体骨架模型。不同人的人体轮廓通常是不同的,同一个人在不同姿态下得到的人体轮廓也不相同,所以在计算膝关节点和肘关节点的位置时,利用人体各部件间的比例关系来估计人体关节点会带来较大的误差。针对视频序列中人体运动的变形,本文提出了利用曲率来估计关节点的算法,在数字图像中用夹角近似曲率。由于人体运动时,膝关节和肘关节周期性的伸直与弯曲,本文先利用曲率寻找关节明显弯曲的关键帧,并进行关节点的位置估计,获得关节点离胸部关节点或腰部关节点的距离,在肢体伸直时采用这一距离来定义关节点。在本论文中利用曲率寻找人体关节点时,是在人体骨架上逐个人体骨架特征点地寻找,而不是逐个像素点地寻找,提高了效率。通过实验验证,改进后人体关节点估计算法相比于改进前算法,膝关节点和肘关节点的定位更加准确,得到的人体骨架模型更为合理,更加切合人体轮廓,更好地反映出人体的拓扑结构。