人体运动跟踪是人体运动分析中一个积极而又重要的研究领域,而人体关节点跟踪又是人体运动跟踪的重要组成部分。本文的研究内容正是跟踪人体全身14个关节点。本文首先建立人体骨架二维模型进行尝试性实验跟踪人体全身关节点,基于该模型的跟踪方法使用粒子滤波器来完成跟踪,而利用粒子滤波在进行多目标跟踪时极易产生“粒子爆炸”问题,由此引入分块采样的策略来优化跟踪算法。而在单纯使用颜色信息进行直方图匹配时,容易产生因为各粒子之间过于自由而出现的“收缩”现象,本研究工作中独创性的提出利用人体生理信息的自定义肢体距离约束,通过该约束来限制并减小这种现象的发生。尽管如此,基于该模型的跟踪头部误差还是很明显的,而且这种误差在自顶向下的跟踪策略中不断累积并传播,无形中增大了其他关节点的跟踪误差。由此激发出一个对头部进行特殊跟踪处理的想法。接下来,本文提出了一个基于三维模型的头部跟踪方法。该跟踪方法首先仍是建立可以反映人体头部生理结构特征不同于任何其它模型的头-肩三维模型,三维模型向平面投影即可获得二维图像模板,基于头-肩三维模型的方法正是通过匹配图像观测与二维模板而完成跟踪的。该跟踪算法无需任何初始化过程,在匹配之前,对图像观测通过背景差分、二值化及边缘检测的方法来获得包括人体头部区域的ROI区域;匹配时利用边缘信息构造相似度计量函数。最后,本文将头-肩三维模型整合到骨架二维模型中构造混合双模型,完成基于混合双模型的人体关节点跟踪。其中,利用头-肩三维模型的跟踪方法跟踪头和双肩关节点,将跟踪结果直接用于骨架二维模型对于全身其他关节点的跟踪,该混合双模型充分吸取了头-肩三维模型基于模板匹配算法的计算速度快和跟踪精度高的优点,同时保留了骨架二维模型对于全身关节点跟踪的应用性。