中文摘要：

为了提高基于投影散斑的体感交互算法的精度和效率, 提出采用零均值归一化互相关算子（ZNCC）恢复深度信息的快速计算方法, 并通过引入特征筛选的分级决策树构建了姿态分类器. 首先采用ZNCC 在三维场景重建中求取散斑图像的视差, 由三角化测量根据视差值反算目标场景的深度图像, 基于GPU 并行架构和改进的计算公式, 解决ZNCC 的冗余计算问题; 然后采用改进的随机森林算法在姿态估计中完成人体部件分类, 由mean shift 算法实现关节点和骨骼提取, 通过特征筛选机制去除无效特征降低训练数据的特征空间维度, 并根据人体姿态动作的特点在决策树的组合中用分级决策思想提高预测精度. 最终实现了系统的整体集成, 通过实验验证了该方法的有效性.