Отказ от ответственности: причина, по которой вы все еще не получили ответ на этот вопрос, возможно, заключается в том, что это текущая исследовательская проблема.Поэтому я не могу дать вам прямой ответ, но постараюсь помочь с некоторой информацией и полезными ресурсами для этой темы.
Существует в основном 2 разных подхода к созданию каркаса из карты глубины.Первый - использовать машинное обучение, второй - чисто алгоритмический.
Для машинного обучения вам понадобится много образцов людей, выполняющих заданный ход, и используйте эти образцы для обучения вашего любимого алгоритма обучения.,Это подход, который был принят и реализован Microsoft в XBox ( source ), он работает очень хорошо, НО вам нужны миллионы образцов, чтобы сделать его надежным ... довольно большой недостаток.
«Алгоритмический» подход (понять без использования обучающего набора) может быть реализован многими различными способами и является проблемой исследования.Это часто основано на моделировании возможных положений тела и попытке сопоставить это с полученным изображением глубины.Именно этот подход был выбран PrimeSense (разработчиками технологии глубинной камеры Kinect) для своего инструмента отслеживания скелета NITE.
Сообщество OpenKinect поддерживает вики, в котором они перечисляют Интересный исследовательский материал на эту тему.Вас также может заинтересовать эта тема в списке рассылки OpenNI .
Если вы ищете реализацию инструмента отслеживания скелета, PrimeSense выпустил NITE ( closed * 1023)* источник), тот, который они сделали: это часть OpenNI framework .Это то, что используется в большинстве видео, которые вы, возможно, видели, которые отслеживают скелет.Я думаю, что он способен обрабатывать до 2 скелетов одновременно, но это требует подтверждения.