基于计算机视觉的人体运动分析,是指如何从有人体运动存在的图像序列中,萃取出不同场景中人体的位置、轮廓、纹理等二维运动信息,恢复出人体三维姿态,它在姿态估计、场景监控、医学运动分析、人机交换接口、行为理解、语义分析、基于内容的图像存储与检索等方面具有广泛的应用前景及经济价值。近年来,基于视觉的三维人体运动分析,受到了国际国内很多学者的关注。总的来说分为三部分:人体检测、运动跟踪与运动理解。其中三维人体运动跟踪是其中最关键的环节之一。基于视频图像序列的人体三维运动估计是一个复杂的高维非线性问题,而且对实时性要求较高。面对待估计的状态向量维数非常高的问题,在高维空间里进行全局搜索或优化非常耗时,而使用确定性优化方法则很容易陷入局部最优解,使用粒子滤波器等随机搜索方法也得不到满意的结果。为了提高对复杂的高维状态空间的搜索效率,求得更优的跟踪结果,将量子计算的并行性引入到免疫克隆优化算法之中,用于求解人体三维运动跟踪问题。因为量子计算具有叠加性和并行性,因此在优化高维函数时有很大的优势,且具有良好的搜索能力和搜索速度,适合于人体跟踪这一类高维非线性,且实时性要求比较高的高维优化问题。从目前基于视觉的人体运动跟踪的研究现状和特点出发,本论文主要完成了下列工作:1.使用大量的人体物理约束和先验信息,同时根据图像序列中人体区域的自身特点,自动的找到头顶点、根结点以及四肢点的初始位置,改进了人体关节点自动检测算法;在人体关键点检测算法的基础上,使用卡尔曼滤波器设计出了漏检点和错检点预测机制,最后得到了稳定的人体关键点信息。2.提出了一种基于量子进化算法的三维人体跟踪方法。与贝叶斯估计框架不同,论文把人体跟踪问题当作非线性函数优化问题,结合量子进化算法的更新和变异思想,设计出了全部使用概率表示的个体,使得算法可以满足人体跟踪要求的高维度优化,最终快速地恢复了三维人体姿态。3.提出了一种基于量子免疫克隆算法的三维人体跟踪方法。本论文中的算法框架,跟使用粒子滤波器等确定性优化方法解决人体跟踪问题不同,本论文使用了量子免疫克隆算法这种不确定性优化算法,根据量子的叠加性和并行性,去解决单假设优化问题,其中利用混沌变异对量子种群进行变异,使用克隆操作对量子种群进行扩展,使得搜索空间进一步加大,对于最优解的获得就更加有利,最终获得了更准确的人体三维姿态。