三维人体运动跟踪是近年来机器视觉领域一个十分重要的研究方向,其应用领域相当广泛,如人机交互、智能动画合成、视频监控等。目前有关三维人体运动跟踪的研究大多基于多目视频,单目视频由于深度信息的缺乏使得三维人体运动跟踪的难度更大,且大多单目视频三维运动跟踪只考虑平行于镜头无遮挡的运动。针对上述问题,使用基于蒙特卡罗思想的粒子滤波方法并结合人体运动的先验知识实现对单目视频三维人体运动的跟踪。在粒子滤波算法中融入退火思想,解决粒子数量大的问题。由于人体运动状态的高维性,要正确表达后验分布需要大量粒子,这导致普通粒子滤波算法计算效率过低而不可行。为解决该问题使用退火思想,在粒子集进行预测前对粒子集进行多层退火,使粒子集逐渐聚集在似然函数值高的位置,使得粒子集更加有效。综合运用边缘和剪影两种图像特征构造似然函数,使得模型投影与图像之间的匹配程度的量化估计更准确,以达到对粒子重要性做出合理判断的目的,从而使得跟踪结果的鲁棒性更好。将人体运动约束集成到整个跟踪框架,包括骨骼运动角度范围约束和肢体非穿透性约束;从而对姿态数据的可行区域进行一定的限制,防止非法姿态数据的产生,提高三维人体跟踪的准确性。此外,在跟踪过程中加入简单线性预测模型,并验证了两种线性运动预测模型对跟踪效果的影响。实验证明,使用上述方法对复杂背景下带旋转的行走动作最多可跟踪100帧左右,对长时间序列的三维人体运动跟踪还有一定的困难,需要加入更复杂的运动预测模型及人体力学约束来指导跟踪。