人体运动的跟踪与分析是近年来图像处理与计算机视觉领域中备受关注的前沿方向，属于图像分析和理解的范畴。这一课题在虚拟现实、智能监视系统、感知接口、高级用户界面、运动分析、姿态识别、基于内容的视频分类、视频序列压缩和计算机动画等领域都具有广阔的应用前景。基于图像序列本身的信息进行人体运动的跟踪和分析包含三个步骤：1)从复杂背景中提取运动人体；2)人体运动的跟踪与重构，得到各个时刻反映人体运动的参数，由此以骨架或柱体模型再现和分析人体运动的过程；3)人体行为的识别和理解。其中1)和2)步是第3)步人体行为分析的基础，第3)步达到了人体运动分析的最高境界。目前，研究的重点在前两项。本文提出了一种建立于双目视觉之下、基于关键帧的人体步行运动中上肢关节点跟踪方法。利用人体部位的特征以及骨骼连接关系确定关键帧中上肢关节点的位置，对于关键帧之间的图像，则采用改进的Kalman预测器对关节点的位置进行跟踪和估计，最终恢复人体的三维运动骨架序列。 双目视觉是采用空间同一点在两摄像机成像平面上的视差大小计算空间点的三维坐标。由于平行双目视觉模型具有结构简单，分析简便的优点，其外极线共线且与像面水平轴平行，其对应的图像匹配点只在平行方向(横坐标)上有差别，且这个差别就是基线的长度，从而大大简化了特征点匹配的过程，可以精确求得空间点的三维坐标，因此本文采用了平行双目视觉模型来求取人体关节点的三维坐标信息。 由于人体行走是一个双脚不断交替运动的过程，其重心呈现不断上下起伏的周期性运动。本文采用直方图投影的方法求得人体重心的高度位置，并根据整个步行过程中重心高度的变化规律进行关键帧的定位，将重心位置最高，即每个步行周期开始的帧做为关键帧。 在关键帧中，利用人体部位本身的特征以及骨骼之间的连接关系确定人体上肢关节点的二维位置，并利用平行双目视觉模型求得其三维坐标。 在关键帧之间，采用了改进的Kalman预测器的方法对关节点的运动进行了预测和估计，同时利用预测的方法在一定程度上也能处理部位遮挡的现象。 本文在最后一章中给出了人体步行运动的三维骨架重建序列。实验结果证明，这种基于关键帧的人体运动跟踪的方法避免了起始于首帧的跟踪方法中累计误差过大的问题，可以对人体步行中上肢关节点的运动进行良好的跟踪，具有一定的适用性和应用前景。文章最后对该方法的进一步完善和发展指出了方向。