近年来体育竞技运动受到了全球各界人士越来越多的关注，提高体育竞技水平也成为各国运动训练的终极目标。顺应时代的要求，运动训练方式打破了传统的言传身教的模式同迅速发展的科技接轨，形成了融入科技元素的综合训练方式。运动员科技训练中的运动分析成为运动员和教练员尤为关注的辅助训练方法之一。在众多体育运动分析方法中，通过视频图像获取人体的运动参数，是现有的最行之有效的方法。视频流包含大量人体运动信息，分析实时性得到进一步提高，在训练时可以即时予以结果分析与数据反馈。教练可以结合特定体育项目的领域知识，加之视频数据的量化信息，明确指出运动员现有技术水平中存在的缺点和不足并给出相应的改进方法。本文通过对已有算法的分析，结合射箭运动员训练需要，引入基于Otsu的自适应阈值目标检测算法实现了对运动目标的检测，它是加了约束条件的最大类间方差法，能保证提取出的前景目标保留完整的前景信息。整个检测算法包括基于自适应阈值选取法的图像二值化，形态学处理，边缘检测及轮廓提取。可以完成工程背景下的实时性要求且能有较好的目标检测效果。射箭运动员不同关键部位的跟踪可视为多目标跟踪，针对多目标跟踪问题，本文提出了融合角点特征的多目标跟踪算法。利用改进的Harris算子提取运动目标的均匀稳定的特征点，通过特征匹配和匹配优化，完成视频运动多目标的跟踪。跟踪实验表明，该算法能够完成视角变化、旋转、仿射变换、光照变化等多种情况下的稳定匹配，可以实现小部分遮挡状态下目标的稳定跟踪。由于射箭运动员上身重心不断变化，因此本文提出了基于质心加权的卡尔曼滤波的跟踪算法。在目标跟踪开始时利用卡尔曼滤波来预测目标的位置，根据目标的不同区域采用不同的跟踪算法，引入基于改进的角点特征的多目标跟踪算法和结合质心加权的卡尔曼滤波的跟踪算法，经过实验和仿真验证了算法的准确性和稳定性。文章最后对射箭运动运动员的运动姿态参数进行获取和分析，为教练员和运动员提供可靠的参数分析。