人体运动的视觉分析是计算机视觉研究领域的重要课题之一,也是近年来备受研究者关注的前沿方向。人体运动视觉分析的主要目的,是从一组包含人的图像序列中检测、识别、跟踪人体,并对其行为进行理解和描述。其中,运动检测和运动跟踪等属于底层视觉问题,而行为的理解和描述等属于高层视觉问题。这些研究成果具有广泛的应用前景,如虚拟现实、智能监控、人机交互等。本文针对人体运动视觉分析中的人体运动检测问题进行了算法研究。对静止背景下固定摄像头视频序列中的运动人体进行一系列的研究,包括运动人体的检测,背景模型获取和更新、阴影的检测和消除。运动检测是计算机视觉、目标识别与跟踪、安全监控等视频应用的基础。背景减除方法是运动检测的重要方法,对光照变化和阴影都比较敏感。本论文设计了一种基于RGB彩色差值模型,结合背景减除法和对称帧差分法检测运动人体的算法,实验结果标明该算法能有效地检测运动人体。在运动检测过程中,随着时间和环境的变化,背景图像也在跟着变化,背景的变化使得背景部分很可能被误分为前景运动物体。因此,有必要建立合适的背景模型,来适应外界环境的变化。本论文首先采用单高斯模型建立初始背景模型,然后提出了一种改进的线性迭代的背景模型更新方法,并给出了实验结果。物体运动常伴有阴影,阴影的存在影响运动物体检测的正确性和准确性。阴影与运动物体有两个相同的重要视觉特征:首先,阴影点与背景明显不同,很容易被检测为前景;其次,阴影与投下阴影的物体具有相同运动。这两个特征使阴影的检测和消除具有相当挑战性。本文介绍了在RGB颜色空间和HSV颜色空间中检测阴影的算法。比较两种色彩空间阴影检测算法的基础上,提出一种改进的阴影检测算法,结合两种色彩空间进行阴影检测,在阴影的检测精度和实时性方面有所改善。