该文研究了基于动态图像序列的人体运动分析参数估计的问题.人体运动视觉分析是机器视觉中的一项关键技术,它在机器人的运动仿真、智能监控、人机接口、运动分析等领域均有着广阔的应用前景.该文的目的就是将机器视觉这种较新的技术引入到人体运动分析之中,在图像序列中,只有建立了正确的帧间特征点匹配,形成连续的特征点运动轨迹,才能有效地对人体的运动参数进行估计.论文主要内容如下:首先,简要概述了人体运动视觉分析的研究意义、国内外的研究现状以及该文研究的主要内容.其次,讨论了基于模拟退火算法和α-β-Y滤波的图像序列特征点的跟踪算法,利用α-β-γ滤波器得到特征点的预测位置,然后根据预测结果将帧间特征点的匹配问题归结为一能量函数,通过模拟退火优化算法最小化能量函数,从而实现帧间特征点的一一对应,形成图像序列各特征点运动的连续轨迹.再次,研究了基于遗传算法和kalman滤波的人体运动关节点的跟踪.首先针对图像序列的采样特点及运动特征点的遮挡现象,提出了利用kalman滤波的方法对特征点在图像帧间的运动进行跟踪.根据跟踪的结果、图像中的伪特征点以及图像帧间运动的平滑性等因素设计遗传算法的染色体及适应度函数,通过遗传算法最大化其适应度函数使帧间特征点取得正确的对应,形成连续的运动轨迹.最后,建立透视投影下人的手臂和腿的线图模型,基于图像序列各关节点的对应,利用刚体约束、结构约束和平滑约束的多约束融合的方法,估计尺度意义下关节点的三维相对运动轨迹.