近十年来,人运动的视觉分析在计算机视觉研究领域引起许多学者关注,成为计算机视觉领域新兴发展起来的研究方向。它可应用于智能监控、感知接口、虚拟现实和运动分析等诸多领域,其广阔的应用前景极大地激发了人们的研究热情。因此人运动的视觉分析具有较高的学术价值和理论意义,已经成为近年来国内外研究的热点问题之一。本文主要研究了单目视频图像序列中运动人体肢体的划分和定位。通过人体头部定位、人体肢体划分和人体肢体识别的研究,最终获得图像中人体的各部分肢体和相关参数,为进一步的人运动的视觉分析奠定了基础。本文的主要工作与特色如下:第一,研究了经典的凸型模板人体头部定位方法,并针对其存在的问题提出了一种多自由度躯体模型,并提出了相应的算法。考虑躯干倾斜,引入了躯干倾斜角度因子;对于头部偏离人体躯干中线情形,引入了头部偏离角度因子。同时,为了适应不同人体颈部的长度而引入了颈部长度参数。实验结果表明所提多自由度模型和算法在头部定位准确性、算法效率以及鲁棒性方面具有较好的表现。第二,本文所提人体头部定位算法中涉及大量的前景非零像素统计,且为任意旋转角度的矩形区域。如果按照图像遍历计算前景非零像素的个数,算法速度较慢。为了快速统计图像区域中的前景非零像素个数,提出了列积分图像方法,提高了算法的运算速度。第三,针对经典的基于人体轮廓等间隔点的三角化技术不能适应人体不同姿态和图像中人体大小变化的问题,提出了基于人体轮廓线角点的约束Delaunay三角化方法,并实现人体骨架提取和人体肢体划分,增强了算法的鲁棒性。同时,在人体肢体识别算法中,提出了一种新的Six-Segment模型参数获取方法,并进一步研究了正视和侧视两种视角下更加有效的人体模型。本文也进一步研究了多个直立人体的头部定位,简单讨论了人的行为分析方法。最后,分析总结了本文所做的相关工作。