本论文围绕机器视觉的重要课题——多目视觉三维人体运动——展开研究,他不仅涉及到机器视觉的底层问题,而且做了许多高层的视觉处理。多目视觉三维人体运动分析就是对多目图像或视频进行处理,获取人体姿态和运动参数。它在智能监控,虚拟现实,人机交互,人体运动分析,视频编解码等领域有广泛而潜在的应用价值。最近几年,国际上学术界和企业界对这个领域作出了广泛而深入的研究,并取得了长足的进步与发展。在大量阅读国内外期刊文献的基础上,我们对三维重建,人体初始化和跟踪,以及运动参数分析等方面做了细致的分析和研究,提出了一些创新性的算法,并取得了一些有价值的实验结论:(1)前景背景分割是一个传统的难题。本论文在基于贝叶斯分割的方法基础上,提出了新的基于超像素的分割方法。与传统的单像素分割方法不同,本方法直接把有前景的图像与背景图像的超像素进行比较,并取得了显著的效果。(2)在三维重建部分,提出了一种新的基于贝叶斯理论的信息融合的方法。传统的三维重建算法Shape From Silhouette对于前景轮廓提取中的噪声非常敏感。本论文的方法把三维重建过程视作一个信息融合的过程,实验证明这种方法非常鲁棒。(3)提出了一种新的解决骨架模型初始化的问题。由于单帧数据的初始化没有前后帧数据的信息,所以这是一个非常困难的问题。本论文提出的新方法可以在人体姿势简单的情况下(比如站立,行走等),自动地估计人体姿态。(4)提出了一种新的人体跟踪算法。这种方法以人体三维数据与骨架的匹配程度作为匹配函数,使用概率进化算法求取匹配函数的最优值。该方法能很好地完成人体跟踪。(5)提出了一种新的运动数据定量分析方法。在实验中,商业用的基于标志的运动捕获系统获得的数据作为真值。我们把该系统获得的位置参数转换为角度参数,与人体跟踪中获得的运动参数进行比较。