目前,在视频分析和处理过程中,运动物体的实时检测和轮廓跟踪已经逐渐成为计算机视觉分析和识别的关键技术。尤其是人体运动分析的研究在人体动画、游戏、虚拟现实和增强现实、人机交互、视频监控、体育运动分析、辅助临床医疗诊断等领域均有着广阔的应用前景。因此,基于视频序列的研究运动人体骨架的提取,识别,及三维重构具有重要意义。利用图像序列进行人体运动的跟踪有三个基本内容:(1)从复杂背景中提取运动人体;(2)人体跟踪和标定;(3)人体行为的识别和理解。其中,人体运动的跟踪和标定是人体运动跟踪与分析过程的关键,是进一步识别和理解人体运动行为的基础。本文完成的是基于双目视频序列对人体运动进行分析的实验。该实验的输入是两组视频图像序列,首先对其进行运动目标检测,本文采用背景差分法,结合灰度直方图进行阈值自动分割,检测出运动人体,并进行人体形态学的处理。然后将人体轮廓矢量化,利用apar条带将人体划分为几个子区域,结合骨架算法做为apar种子对的筛选约束,提取人体关键点。最后利用上一步处理得到的人体关键点进行三维重建。三维重建分为四个步骤,首先建立图片间的关联,其次对结构和运动进行恢复,再次进行摄像机自标定,最后对人体运动进行三维重建。本文采用无标记技术,即运动人体不带任何标记和传感器,也不需要对首帧图像中的关节点位置坐标进行人工标定,减少了用户干预,智能化程度较高。实验表明,本文可以准确地辨别人体运动的较为简单的动作,并进行三维重建,恢复深度信息到3D姿态。能够在一定程度上有效地抵抗噪声的干扰,对智能监控和人机交互等应用基本可达到实时要求。但是由于人体不规则运动常使特征点出现重叠、自遮挡等现象,致使跟踪识别不可靠,即使借助多个摄像机,也不能完全解决遮挡问题。虽然如此,本文的研究对人体无标记运动捕捉的研究具有意义。