近年来，人体运动的跟踪与分析在图像处理与计算机视觉领域引起许多学者的关注。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象编码等方面具有广阔的应用前景。利用图象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。本文提出了几种基于单目视觉的人体运动跟踪方法，这些方法通过分析图像中躯体呈现的特征，跟踪人体的各个部位，获得人体运动的各种参数，来重建人体运动的过程。 人体运动跟踪系统处理的是由摄像机摄入的视频图像序列。首先经过背景去除，把感兴趣的人体目标从图像中提取出来，然后采用基于模型的和非基于模型的两种方法对人体的局部和全身运动进行了跟踪。论文中，跟踪了两个局部部位腿部和头部的运动，利用人体腿部的几何特征，将原始腿部图像序列变换到相应的距离图像上，然后对人体腿部的四个关节点运动进行了跟踪；根据人类视觉识别特性，采用由粗到细的匹配过程和基于面部的色彩信息对图像中的头部进行了检测，并且在细致匹配中利用了模糊模式匹配方法。在对全身运动跟踪中，根据人体的形状特征描绘了人体区域模型图，对全身步行及体操动作进行了二维跟踪和标定，之后再利用摄像机的透视投影模型、人体关节间的骨骼连接关系和比例参数，把关节点在图像序列中二维坐标恢复为三维坐标，最后用棒状图恢复了人体的三维结构。 论文中给出了利用各种方法处理得到的身体各个部位及全身运动的跟踪结果，并与已有的其他方法作了比较。实验结果表明，本文的基于距离图像的腿部运动跟踪和基于关键帧的人体步行运动跟踪，和以头部为基准将模型与图像序列首帧相匹配的方法具有自己的特色。论文在最后部分，对人体运动跟踪与分析方法所存在的问题及进一步完善提出了自己的见解。