受到深度学习飞速发展的积极影响,计算机视觉技术近些年也获得迅猛的发展势头。越来越多的领域引入计算机视觉,通过愈发成熟的技术来帮助人们节省大量的人力物力,甚至在某些特定的领域取代人类去完成人类无法完成的工作。而随着其他如安防等行业在计算机视觉即使的运用上取得巨大的成功,体育和演出行业也逐渐引入计算机视觉技术。通过摄像头捕捉运动员或者演员的动作画面,分析运动员或者演员的动作标准程度,辅助运动员或者演员对动作进行校正,从而获得更好的训练效果。本文在仔细的查阅研读了大量相关的国内外文献后,总结学习了各种方法的优劣及适用场景。在此基础之上,针对中大型的舞台团体演出场景,对多人场景中的目标追踪定位及动作分析等技术方法进行深入的研究。在多目标的追踪定位中,研究分析了几种传统的追踪方法以及基于深度学习的检测方法,结合对演员动作分析的需求,利用自底向上的方法提取演员的骨架,获取演员的关节点信息。采用CaffeNet网络模型对自己设计的身份标识物进行检测识别,以实现对多目标场景中骨架与演员的匹配。对于演员的定位,采用双目视觉定位的方法:首先使用张正友棋盘标定法对相机进行标定,根据自定义的世界坐标和两路相机成像中的图像坐标求解两路摄像机的内外参数,最后通过极线几何约束关系求解演员在自定义的世界坐标轴下的世界坐标。在多目标的目标检测时,难免会出现目标遮挡和丢失的情况,因此本文提出了一种基于卡尔曼滤波和运动轨迹融合的运动目标预测跟踪方法。对于场景内演员的动作分析,本文首先对检测到的骨架做仿射变换,以减小由于摄像机角度以及演员距离摄像机远近不同而产生的误差。接着通过提取骨架关节点角度特征对动作序列进行分割,再使用动态时间规整的方法将分割得到的序列与标准模板序列对齐,计算两者之间的距离,将距离映射到评分空间从而对演员的动作做出评价,该方法基本实现了对演员动作的分析,满足本文中场景对演员动作分析的需求。