奥林匹克运动会的宗旨是“更高、更快、更强”。运动员通过不断挑战记录、超越自我来提高速度和力量。随着2008年北京奥运会的成功举办，越来越多的人意识到体育锻炼对身心健康大有裨益，大众体育的理念也逐渐被国人接受。我们也对“体育强国”是建立在全民运动素质提高的基础上这一理念渐渐达成共识。全民运动素质的提高依赖专业的运动指导，而目前我国从事大众体育教学和指导的教练极度匮乏，导致很多运动爱好者由于缺乏专业的指导竞技水平很难提高，甚至出现严重的运动损伤等问题。因此，迫切需要研发价格低廉且性能优良的大众体育运动示教系统。大众体育运动示教系统应具备动作捕捉、重建和分析比对等功能。目前，关于人体动作的捕捉的研究较多，但多数方法设备非常昂贵且对运动约束较多。另外，关于人体动作重建和比对分析的研究较少，至今尚没有很好地解决方案。针对现有研究中存在的上述问题，本文开展了如下工作：首先，在三维人体动作捕捉方面，本课题借助微软最新推出的Kinect深度信息探测装置，测算出人体骨骼关键节点数据，并将其转换为与人体骨架层次结构相匹配的动作数据。在深度信息获取过程中Kinect采用了先进的光编码（LightCoding）技术。该技术不需要特制感光芯片，使用普通的CMOS感光芯片即可工作，这使得深度信息的采集成本大幅降低。在动作数据生成方面，采用了人体骨架层次结构相匹配的动作数据生成方式，一方面极大的减少了动作记录的数据量，另一方面对后续的动作重建和分析提供便利。其次，在三维人体动作重建方面，本课题采用了骨骼蒙皮动画技术及个性化人体生成技术等形象地再现出人体的三维动作。针对不同的应用需求，本课题设计了两种人体动作重建方法，即基于标准人体模型的动作重建方法和基于个性化人体模型的动作重建方法。两种重建方法均可以在OpenGL环境中对动作序列或某一固定姿态进行三维任意视角观察。最后，在三维动作比对分析方面，本课题针对实际情况中动作数据存在的问题，设计了多种比对分析方法并进行验证性实验。此部分主要是为了减小人工比对的误差，给出较智能的量化的评价结果。