基于视频的人体运动姿态跟踪是计算机视觉领域一个重要的研究课题,其广阔的应用前景对推动虚拟现实、人机交互、智能监控、医疗以及其他领域的发展有重要的研究意义。人体运动姿态跟踪研究面临两大难点与挑战:　　 其一、问题的状态空间是高维的,不易进行求解;　　 其二、人体运动呈现大量复杂时变姿态,难以描述和建模。　　 目前相关的方法在同时克服以上两种问题方面都尚有欠缺。本文在现有工作基础上,提出了新颖的人体运动姿态跟踪方法和系统,解决了对高维状态空间问题和复杂时变的姿态估计问题。主要贡献如下:　　 1.提出了对复杂运动类型进行运动成分分解,对运动子成分独立降维学习运动模型,并联合进行人体姿态跟踪的方法。此方法即保证了将高维状态的求解降至到低维空间进行,又能够将复杂的运动模式化解为简单的运动模型的组合。对于同时包含多类复杂运动的姿态序列,本文提出在运动成分分解基础上,对各个运动类型进行成分分解后的相应子成分建立混合模型,并动态调整混合比例系数的多运动切换机制。实验结果和量化比较证明运动成分分解方法比以往方法更有效的解决了多类别复杂运动的姿态跟踪问题。　　 2.提出了将高维、低维算法进行融合的人体运动姿态跟踪系统。此系统使用一组算法融合准则,根据视频序列特点自适应地选择具有优势的算法,对有训练数据的特定运动类型学习运动模型并在低维空间进行姿态跟踪,对无训练数据的泛化姿态类型直接在高维空间进行姿态恢复;同时,两种算法相互补充、协调工作,维持了系统整体误差水平稳定并且较低。实验结果表明算法融合系统能够成功地跟踪同时包含具有训练数据的特点运动类型和无训练数据可用的泛化运动类型的姿态序列。