人体运动的跟踪与分析是图像处理与计算机视觉领域的一个热点方向，这一课题在智能监视系统、虚拟现实、高级用户接口、运动分析和基于模型的图像编码等方面具有广阔的应用前景。利用图像序列进行人体运动的跟踪与分析包含三个基本内容：1)从复杂背景中提取运动人体；2)人体运动的跟踪和标定；3)人体行为的识别和理解。其中，人体运动的跟踪和标定是人体运动跟踪与分析过程的关键，是进一步识别和理解人体运动行为的基础，人体行为的识别和理解达到了人体运动分析的最高境界，但目前还远达不到这一点，因此研究工作主要集中在前两项上。本文提出了基于单目视频的人体运动跟踪方法，该方法的处理流程主要两个部分：首先，对于给定的视频，抽取每帧图像中的特征并检测人体姿态；然后，根据在视频中人体运动轨迹的平滑性，迭代式得估计整个图像序列中的人体运动。　　 本文针对序列图像中人体运动跟踪问题本身的特点进行了深入的研究，涉及到了一些有关图像处理、模式识别、函数优化的基本问题。在本文中，主要的工作和贡献有：　　 ①该算法不需要先验运动图片库进行模型学习过程，因而对先验知识没有要求，所以可以使用于一般生活场景中。　　 ②算法针对树状人体模型在单目视觉的姿态估计中的固有问题，修改了传统的Viterbi算法，通过加入K-最优姿态寻找，巧妙得加入人体模型中的全局性约束，从而在每帧图像中得到合理的姿态解。　　 ③通过对整个运动序列做姿态歧义分析和遮挡推断，可以克服视频跟踪的时候所遇到的诸如运动模糊、自遮挡等问题，从而最终得到整个视频中的人体运动。　　 总的说来，本文针对当前人体运动重建领域主流方向之一的单目视觉的人体运动跟踪作了有益的探索。由于单目视频所提供的有限的信息，使得所研究的问题有着更大的难度和更艰巨的挑战，但也使本文的研究具有独特的意义和广泛的应用前景。