基于视频的人体运动分析和理解是近年来计算机视觉十分活跃的一个研究方向,不仅具有重要的学术研究意义,而且有着广阔的应用前景.人体运动分析技术在智能视觉监控、高级人机接口等领域已取得许多进展,但目前工作多限于静态场景,即静止摄像机拍摄的图像序列.在动态场景下,因摄像机运动、图像噪声、以及人体运动的复杂性等因素,给视频人体运动的自动分析带来了极大的困难.本文对动态场景视频中人体运动分析的几个关键问题:人体动作检测、人体分割、人体运动跟踪和分析等进行了较为深入的研究,取得了如下成果:1基于时空模板匹配的人体动作检测方法人体动作检测是人体运动分析的基础.提出了一种基于时空模板匹配的人体动作检测方法.模板序列匹配是动作检测的一种常用方法,其中,模板的表示最为困难.基于全局运动补偿后的时序帧差残值的分布特征,本文设计了一种简单有效的运动描述符来表示人体运动模板,该描述符与衣服颜色、背景变化、背景的复杂程度及摄像机运动无关;并给出了一种有效的、可同时匹配多条轨迹的关键帧序列匹配算法.该检测方法无需分割和跟踪人体,可准确定位出视频中待检动作的时空位置.2动态背景的运动对象分割视频运动对象的准确提取,对于运动分析、动作识别具有重要意义.首先提出了一种改进的动态背景构造方法.该方法用自适应选择的关键帧序列代替原方法的连续帧序列来构造背景,解决了因对象的缓慢运动在所构造背景图像中形成的虚影问题.基于改进的动态背景构造的对象分割算法,具有良好的适应性,在对象较长时间静止或运动幅度很小时,亦能取得满意的分割结果. 其次,提出了一种先验形状指导的对象分割方法.当因摄像机运动估计误差、光照变化等因素使运动分割算法的分割准确性下降时,针对特定运动,使用一种综合了局部和全局形状特征的鲁棒的形状匹配算法,从已知模板库中选取最相似的模板,并用模板作为先验形状来指导活动轮廓进行局部变形,得到准确的分割对象.3多策略融合的人体运动跟踪算法人体运动跟踪是获取运动分析所需参数的重要途径.针对动态场景中的大幅度人体运动,提出了融合多种策略的人体运动跟踪方法.首先用部分区域特征匹配对预测的全局状态进行滤波,以减少后续匹配计算量;其次,针对图像背景复杂、噪声大的特点,采用多种观测特征融合的相似度模型,增加了测度的鲁棒性;最后,对特定运动模式,使用支持向量回归方法对运动规律进行建模以用于姿态预测,大大提高了跟踪的稳健性和准确性.4体育视频特定动作的自动分析方法基于视频的人体运动分析技术为竞技体育项目的科学训练提供支持.体育视频因人体运动幅度大、摄像机运动和背景噪声大等因素,使自动、准确的分析非常困难.在以上关键技术的基础上,本文针对特定体育动作视频一跳水视频,充分利用领域知识,实现了对跳水视频、跳水动作的自动多层次分析. 提出了一个统一的、由粗到细的体育动作自动分析框架.包括精彩动作片段检测、动作识别、关键动作参数提取等三个层次,可满足从普通用户到体育专业人士对体育视频分析的不同需求.其中,提出了一种结合摄像机运动和语义颜色分析的有效的跳水精彩片断检测方法;采用隐马尔科夫模型,实现了跳水动作的识别;提出了一种特定动作的自动分析方法.