通过视觉计算对图像序列中关节式物体(如人手或人体)的姿态进行估计,是计算机视觉领域中的重要研究内容,其应用领域包括自然人机交互、智能监控、虚拟现实、机器人运动控制等。先验的模型知识的利用是实现关节式物体三维姿态估计的一个重要途径。本文研究了基于三维模型的关节式物体的姿态估计与跟踪方法,实现了对单目图像序列中关节式物体姿态的估计与跟踪、以及运动姿态与模型参数的同时更新。在先验模型知识的基础上构造出有效的相似度函数是实现有效的关节式物体的姿态估计与跟踪的基础。本文采用了基于二次曲面的三维模型与基于骨骼的全自由度运动学模型,以及全局特征度量模式,解除了以往系统对局部特征以及启发式规则的极大依赖性。关节式物体的高维状态表达是姿态估计中有效全局搜索的最大障碍。本文提出了基于回归-优化方法的关节式物体的姿态估计方法。该方法基于全局观测特征,引入贝叶斯估计的框架进行求解。回归分析与全局优化搜索的结合保证了估计的精度和连续性。针对现有滤波器在高维非线性多峰跟踪问题上的困难,本文提出了结合粒子滤波器与全局搜索算法的演化粒子滤波器方法,有效地提高了高维跟踪的精确度。该方法在粒子滤波器框架的基础上,以动态模型提供的预测粒子为初始值,采用基于演化计算的全局搜索方法,同时考虑预测粒子对状态量分布的影响,加速了全局搜索的收敛速度。在基于模型的估计与跟踪系统中,物体模型参数的自动更新是一个难题。本文引入了一般状态空间模型下的状态估计方法,并提出了结合粒子滤波器与期望最大化框架的方法实现了无显式解析关系情况下的运动姿态与模型参数的同时估计。该方法在保证运动姿态跟踪精度的同时保证了模型参数估计的稳定性,且考虑了精度与时间损耗上的权衡。