人体运动分析是当代计算机视觉和生物学相结合的一项重要技术，在军事国防、视频监控、人机交互、医疗诊断以及商业等领域均有广泛的应用。目前，国内外学者对该领域做了大量的研究，并取得了一些成果。但由于人体形态及运动的复杂性，人体运动目标分析在理论和应用上仍面临着很多难题，本文在前人已有成果的基础上，重点对人体运动检测过程中背景建模、运动目标提取以及人体运动目标自动化跟踪过程模板的更新、轨迹预测等关键问题展开进一步研究。　　 在人体运动目标检测方面，通过比较分析各种人体检测算法，在背景建模过程中引入边缘检测、灰度相关性计算以及图像分块处理技术，对surrendra背景建模方法进行改进;在目标提取过程中选用自适应迭代阈值法、形态学处理、连通性分析相关技术优化提取结果。实验结果表明改进的算法将相邻的多个像素进行整体处理，消除因单个像素扰动而产生的误检，有效克服光照变化的影响，实时性和准确性较高。　　 在人体运动目标跟踪方面，对Mean-shift算法在人体运动目标跟踪中的不足进行了改进，提出一种融合模板加权更新和最小二乘预测的自动化Mean-shift搜索的运动目标跟踪新方法。利用人体目标检测信息初始化Mean-shift参数，实现自动化跟踪;通过引入最小二乘线性预测与曲线预测相结合的方法有效的解决定位偏差和目标遮挡的问题;利用模板加权更新算法使Mean-shift算法在稳定性方面得到了改进;最后根据跟踪得到的质心位置，记录人体目标运行轨迹。实验表明，本算法实现了人体目标的自动化跟踪，增强了Mean-shift算法在目标姿态变化、光照变化下的跟踪有效性，克服目标被干扰物短暂阻塞和遮挡的情况，保证了匹配的可靠性，在稳定性以及实时性方面取得了明显的优势。