近年来,人体3D运动估计成为计算机视觉领域的热点研究问题之一,其主要原因有以下三点:1)家用数字视频设备的普及;2)广泛的应用前景,如虚拟现实,动画制作、电脑游戏、高级人机交互、视频监控、体育辅助训练、机器人动作设计等领域;3)日益成熟的计算机视觉理论奠定了该研究方向飞速发展的基础。由于基于多摄像机系统和基于单目视频有标记点的研究方法均无法应用于人体自然运动,因此,越来越多的研究学者将研究重点转向了基于单目视频无标记点的人体3D运动估计。然而,用于表达人体运动的高维状态参数空间,运动过程中物体之间的遮挡现象和人体自遮挡现象等原因,严重阻碍了此方向上研究的发展,前者导致了庞大复杂的计算量;而后者则导致了估计过程中的二义性问题。本文对基于单目视频无标记点的人体3D运动估计的相关技术进行了研究,重点研究基于粒子滤波算法的人体3D运动估计。主要工作集中在如何提高粒子滤波算法的计算效率,以及由于人体运动过程中的自遮挡现象而导致的二义性问题,并获得了一定的成果。在此基础上,对不同状态下的人体运动估计进行了研究,以实现不同运动状态下采取不同的策略对人体3D运动进行估计。论文完成的工作主要包括以下几个方面:1.对状态空间的分解进行了研究。通过引入图模型结构,重点研究了基于关节图模型结构的状态空间分解策略,将手臂运动状态空间分解为两个低维子空间,并根据自顶向下搜索策略,通过引入关节链的概念,利用粒子滤波算法对手臂3D运动进行估计。同时,为了加强人体运动约束,提出了一种新的粒子投影方法。实验表明,算法表现出了良好的计算性能,在一定程度上提高了计算效率。2.在人体运动过程中,肢体之间有很强的内在关系。通过采用基于运动关系的学习策略,对右臂运动过程中的右大臂和右小臂速度关系进行了分析,对肢体运动速度关系进行了研究。通过该模型,右小臂的运动可由右大臂的运动进行线性表示,从而在提高计算效率的同时,从一定程度上解决了人体自遮挡现象。3.重点研究了利用肤色特征进行人体四肢自遮挡的检测。在人体运动过程中,人体不同肢体的肤色特征在不同的运动状态下呈现出了一定的规律性。通过对这种规律性的统计分析,结合人体先验运动知识,将步行人体运动按照人体四肢自遮挡的情况分为四种自遮挡状态,利用马尔科夫模型,将人体自遮挡的检测转换为计算人体运动自遮挡状态转换概率的问题。4.重点研究了如何利用混合跟踪模型对不同状态下的人体运动进行估计。在人体运动过程中,经常会发生自遮挡现象,传统的方法都是通过离线的方式对样本进行学习以解决自遮挡问题,并利用单一的跟踪算法对人体运动进行估计。利用人体自遮挡检测结果,通过在线训练人体肢体运动关系模型,重点研究了对不同状态下的人体运动采取不同的算法进行估计方法。本文所提出的混合跟踪模型并不需要大量的样本数据的支持,并且,通过利用人体自遮挡的检测,能够自适应多种运动状态下的人体运动估计。本文的研究初步实现了室内人体行走运动的自动估计,是对人体3D运动全过程自动估计的初步探索,取得了一定的成果。