随着人工智能、虚拟现实等技术的快速发展,人体运动跟踪分析技术,作为图像处理的前沿方向,受到了广泛关注。然而,由于运动目标检测、人体建模和匹配、人体运动的随机性等方面的困难,从视频序列中恢复出人体运动姿态存在大量的不确定性。提高人体运动跟踪技术的准确性和鲁棒性成为亟待解决的问题。本文针对以上问题展开研究,所取得的研究成果如下:(1)针对图像中存在背景等与跟踪无关的干扰问题,结合光照补偿和H-CrCb的肤色检测技术提取运动目标。实验结果表明,利用H-CrCb颜色空间在肤色空间的聚类性以及光照补偿的修正实现了对光照下的运动目标的实时提取。(2)针对人肢体的非刚性特点,引入非刚体模型模拟人的肢体。实验结果表明,相比于刚体模型,非刚体模型可以通过调节参数改变自身的形状和大小,在模拟形变肢体方面有着明显的优势。(3)针对实际人体和非刚体模型匹配的问题,运用交替方向乘子算法实现快速匹配。该算法拟合出肢体数据点云,在OpenGL图形编程环境下生成了肢体曲面片并进行了拼接,最后完成了人体建模工作。(4)针对人体运动的随机性问题,提出改进的稀疏协同模块算法。该算法结合了生成式和分类式两类运动跟踪算法的优点,并在此基础上优化了更新方案。实验结果表明,本文优化后的跟踪算法具有较高的鲁棒性和准确性。(5)根据实验结果以及算法原理,从鲁棒性、实时性、准确性等方面分析了各类跟踪算法的优劣。实验结果表明,本文的跟踪算法综合性能最好,但在处理速度上仍有改进空间。