投影映射技术是利用投影改变现实世界物体外表的空间增强现实技术,其特点是不需要额外的穿戴设备、能利用任何形状的物体表面显示数字内容,因此被广泛应用于艺术、设计、广告等领域。现有的投影映射应用常选取建筑、雕塑等静态物体,或者移动的刚性物体作为其投影媒介。近年来,许多研究者尝试在动态的人体上进行投影映射,并成功在人体轮廓、人脸上取得了不错的艺术效果。在动态的全身人体上进行投影映射更具有应用前景,例如舞台和剧场上动态变装、增强现实游戏人物特效等。然而动态全身人体投影映射需要对运动复杂的高维度可形变人体进行实时跟踪,现有的算法无法兼顾跟踪精度和效率。针对上述问题,本文设计和实现了一个基于Kinect的动态全身人体投影系统,给定参照人体模型,该系统能够利用Kinect对场景中的人体进行实时运动预测、跟踪和投影。对于系统中的核心问题人体跟踪,本文提出了一种基于深度神经网络的人体特征匹配算法,通过快速匹配深度图像和参照人体模型的特征来进行实时人体跟踪;该特征是由经过大量人体区域分割任务训练的深度神经网络提取,能够反映在不同动作和形变下的人体位置信息。系统的运动预测模块也利用该特征来估计连续深度图像中人体局部的运动趋势,并预测未来时刻的深度图像,以减少投影延迟。本文设计实验验证了本文快速人体匹配算法的准确度和效率以及本文人体运动预测算法的有效性,最后展示了本文动态全身投影映射系统的演示效果。本文的主要工作和贡献如下:1)设计和实现了一个动态全身人体投影映射系统,能够通过Kinect对场景中的人体进行实时运动预测、追踪和投影。在系统图像预处理、运动预测、人体匹配、投影各个环节中,整合和优化了现有的各种算法以保证该投影系统的高效和稳定。2)提出了一种基于深度神经网络的人体特征匹配算法。该算法利用经过大量人体区域分割任务训练而成的深度神经网络提取深度图像和三维人体模型的精确人体特征,并利用特征的局部相似性在分区的人体上进行分层快速特征匹配,能够实时计算人体深度图像和三维人体模型的精确映射关系。3)利用合成数据和真实场景对本文的算法和系统及逆行了测试。实验结果显示,本文的动态全身人体系统能够很好的对处于复杂姿态的人体进行预测、跟踪和投影,其人体匹配算法误差在人眼接受范围内,运动预测算法能够一定程度上减少投影延迟。综上所述,动态人体投影映射以及其依赖的实时高精度人体追踪算法,能够给虚拟现实或增强现实领域带来全新的应用和体验,因此,对该系统和算法的设计和实现,具有较强的研究和工程价值。