现实世界中,大多数的计算机视觉任务都与人类的活动有关,比如智能人机接口、虚拟现实、高级用户接口、智能环境、娱乐、智能视频监控系统、运动分析、医学、教育等。三维人体运动分析是当前计算机视觉领域研究的一个热点和难点。在运动捕获的过程中,摄像机的数目越多,得到的三维人体数据就越精确,图像每帧的数据量就越大。此外,人们越来越频繁地通过运动捕获器获取三维人体运动数据,并被用做实验当中的原始真值。论文在广泛阅读国内外文献资料的基础上,我们分别在多目摄像机系统和运动捕获器系统下展开实验。在多目相机系统中,从视频数据获取体数据,我们对体数据进行处理得出人体三维骨架参数;在运动捕获器系统中,我们对捕获器得到的三维人体数据进行分析,并得到人体骨架。两者都取得了较好的实验结果。本文的创新主要体现在:1.给出了一种符合人体拓扑结构的标准骨架模型。实验结果证明该骨架模型很好地表示了人体运动姿态的多样性和稳定性。2.提出了一种从体数据中找到骨架运动并且用之来表示人体运动姿态的算法。实验结果证明人体三维骨架模型能够很好地反应人体运动姿态。3.提出概率进化算法计算骨架模型参数。算法中目标优化函数能够最佳地匹配骨架模型和体数据的人体运动。4.提出了将三维细化算法应用到人体姿势初始化问题的方法。实验结果证明该方法自动地得到了第一帧人体骨架参数。5.提出了一个从运动捕获器系统所获的数据计算三维人体骨架的方法。实验结果证明该方法能够得到不同人体形态的骨架,方法有效,具有很好的鲁棒性。