近年来，从人体运动的图像序列中检测、识别和跟踪感兴趣的人体部位是图像处理和计算机视觉领域中的热门课题之一，它具有非常广阔的应用前景。例如，在医学方面，运用人体运动来分析伤残患者的运动信息，能对他们的病症诊断和身体康复起到很大地帮助；在体育运动方面，运用人体运动来分析运动员的运动信息，对提高他们的运动成绩是很有帮助的。人体运动分析过程首先是获取由摄像机摄入的视频图像序列，然后采用适当地跟踪算法对运动人体的关节点进行跟踪，最后把关节点在图像序列中的坐标进行三维重构，并用所获取的三维参数进行人体运动进行分析。 本文主要研究的是如何在保证匹配精度的条件下快速、准确地确定图像序列中人体各个关节点的位置，并使之能够应用到运动解析中。本文通过对已有算法的分析和根据人体关节点运动的实际需要，在四步运动矢量查找算法Four Step Search(FSS)的基础之上采用了一种效率更高，查找更准确的自适应大小查找算法Adaptive Size Search(ASS)。此外本文还重点研究了基于均值偏移的目标跟踪算法(Mean Shift Algorithm)，并在此基础上，对均值偏移算法进行了改进，提出了一种适应运动幅度较大地人体关节点的动态均值偏移跟踪算法。通过对均值偏移算法和动态均值偏移跟踪算法的分析和实验比较，可以看出动态均值偏移跟踪算法，由于利用了目标的空间位置信息，从而提高了跟踪目标的可靠性和有效性。为了更进一步地提高跟踪运动目标的准确性，本文提出了将动态偏移跟踪算法与多种常用矩结合起来，对人体关节点目标进行了跟踪。