近年来,人运动的视觉分析是计算机视觉领域的研究热点之一,其内容主要包括目标检测,运动目标分类,人体跟踪和行为理解与描述。本文研究内容主要涉及运动人体目标检测和人体运动姿势识别,其研究目的在于通过分析人体的运动姿势为目标跟踪和行为理解等工作提供更多的信息。研究成果可以应用在智能监控、运动分析等应用中。论文包括图像序列预处理、数据降维以及人的运动姿势识别三方面内容。图像序列预处理阶段包括两部分:(1)对原始图像序列进行运动人体目标检测。(2)为了充分利用人体全局轮廓特征以及不同帧之间的相互关系,采用流形学习算法进行数据降维处理,并根据算法需要构造了一种人体轮廓图像序列规范化操作算法。在一些研究领域中,需要处理的数据具有很高的维数,其中有用的信息淹没在大量数据之中,如何降低待处理数据的维数并提取出有效信息成为需要解决的关键问题之一。数据降维方法分为线性和非线性两类,流形学习属于非线性数据降维方法。本文较详细的讨论了七种比较有影响的数据降维方法,对其原理证明、步骤以及部分应用进行了较详细的整理和阐述。应用局部线性嵌入方法对人体轮廓序列进行降维。实验表明,数据降维后的低维数据之间较好地保持了原始高维数据之间的相互关系,并且在低维空间进行识别的运算量大大减少。本文建立了人体运动轮廓样本库。基于人体轮廓的全局特征,把图像序列帧与帧之间的相互关系利用流形学习方法映射到低维空间的欧氏距离,并在低维欧氏空间中进行数据分类识别。本文分别采用平均Hausdorff距离、高斯模型和隐式马尔可夫模型的方法对待识别数据进行实验分析,并对实验结果进行了分析总结。