基于视频的人体运动跟踪是一种使用普通摄像机跟踪无标记人体运动的技术,是近年计算机视觉领域的一个研究热点。人体运动的视频跟踪往往由于目标动作的复杂性和不规律性而变得非常困难。尽管人们对人体运动的视频跟踪进行了较广泛的研究,并提出了许多有效的跟踪方法,但对于复杂运动的人体动作,开发出一套鲁棒的视频跟踪算法仍存在较多困难。本文作者针对人体复杂运动的视频跟踪问题进行了研究。由于此类问题高度的非线性、非高斯性,本文作者采用基于概率模型的粒子滤波算法来作为跟踪框架。粒子滤波算法虽然能完成一般的跟踪任务,但对于人体运动跟踪仍然存在困难。传统粒子滤波在人体运动的视频跟踪中存在突出的问题:观测模型不能适应目标身体的表观变化;运动模型不能准确预测目标位置的快速改变。针对这两个问题,本文提出一种自适应粒子滤波算法。算法在粒子滤波的跟踪框架下引入一种自适应观测模型,并根据跟踪误差与人体动作改变幅度的大小自适应选择噪声方差和粒子数量。本文作者对大量的人体运动视频进行了跟踪实验,并将本文算法与传统的粒子滤波算法进行了比较。实验结果表明,本文算法不仅能完成一般的人体步行视频跟踪,并且能够完成复杂动作的视频跟踪任务,同时具有更低的跟踪误差率。