本文的主要研究内容是跟踪视频序列中的三维人体运动姿态,属于无标记的人体运动跟踪技术。人体运动跟踪是计算机视觉领域的重要分支,已经在人们生活的各个方面得到了广泛应用,特别是无标记人体运动跟踪技术已经极为普遍的存在于人机交互、虚拟现实、三维(3D)动画制作、视频监控、医学诊断等领域。但是,由于参数维度高、易于陷入局部最优、自遮挡和人体运动图像的二义性等方面的问题,基于视频的人体跟踪存在大量不确定性。也正因为这样三维人体运动跟踪是计算机视觉领域充满挑战的研究方向。本文提出了基于多目标优化算法的三维人体运动跟踪框架,将人体跟踪问题抽象成一个多目标优化问题,恢复人体三维姿态等同于在人体姿态空间求解一组相似度函数。其中,多目标函数的建立不仅运用了提取到的多种特征,多镜头参数还借鉴了当前流行的产生式(Generative)和判别式(Discriminative)结合的人体运动跟踪方法的思路。分别由视频图像中的关节点、轮廓、灰色度、甚至是判别式方法预测出的三维姿态等特征匹配,建立多个似然函数,最终利用多目标算法实现函数的优化已得到最终所需要的跟踪结果。本论文主要完成了下列工作：1.针对参数维度高、自由度大、易于陷入局部最优值,把多目标优化算法引入人体跟踪领域,经实验验证可以有效的降低跟踪过程的时间复杂度并且避免陷入局部最优。2.针对自遮挡和二义性,提出了一种基于多目标优化的多目人体运动跟踪方法。多个相似度函数建立在多目同步视频的基础上,实验结果表明,该方法很好的解决了运动歧义性问题,跟踪结果更加准确。3.提出了一种结合判别式和产生式的人体运动跟踪方法。把判别式的跟踪结果当作带匹配的特征,分别建立三维和二维(2D)的相似度函数。经实验证明可以得到更为精确的人体运动跟踪结果。本论文工作得到了国家自然科学基金(编号：61075041)资助。