随着计算机技术和人工智能的高速发展,机器人的智能化程度越来越高,其应用范围也从传统的工业扩展到各行各业。视觉是机器人感知周围环境的一个重要途径,在人机交互过程中,机器人可以依靠视觉来获取人类图像并分析人类的行为意图。所以,多目标跟踪和人体姿态估计成为了人机交互领域的一个重要的研究方向。本文针对多人交互场景中的多目标跟踪和3D人体姿态估计,提出了一种分布式解决方案,利用多个视角的信息提高了多目标跟踪的性能并解决了3D人体姿态估计问题。主要工作包括以下几个方面:1)传统单视角的多目标跟踪算法中,多目标之间的频繁遮挡会导致目标在视野中消失,当目标再次出现时如何将目标与原轨迹相关联成为了需要解决的关键问题。本文在单视角多目标跟踪算法Deep-SORT的基础上,提出了多视角分布式解决方案。在单个视角下,首先利用目标检测算法提取多目标的边界框,基于深度学习提取各目标深度视觉特征,并与轨迹信息组成融合度量,使用匈牙利算法求取轨迹-检测二分图的最优匹配。然后提出多视角多目标轨迹管理算法,可利用相邻节点的检测信息完成轨迹的创建、合并以及删除工作。最后基于信息权重一致性滤波器(ICF)对多视角的目标信息进行迭代更新。本文在公共数据集上验证了算法的性能,本文提出的算法在频繁遮挡情况下任可以保证良好的跟踪精度。2)为进一步解决多视角情形下的多目标人体姿态估计问题,提出了3D人体姿态融合方法。虽然基于深度相机可以获取目标深度,进而直接获取3D人体骨架信息,但存在遮挡的情况下获取的深度信息误差较大,生成3D人体骨架的效果较差,本文提出基于三角化(Triangulate)的方法,从同时拥有同一目标关节点的两个视角直接推导出目标关节点的3D坐标。由于该方法不受目标体积和遮挡的影响,所以更适合多人场景。在单个传感器节点依托相邻传感器节点获取单视角多目标3D姿态后,本文使用ICF算法进行多传感器节点信息交换,保证多传感器节点信息的一致性,并利用交互多模型算法在时域上对关节点进行跟踪估计,以减小误差,最终输出更高精度的多人3D姿态。3)在实验室环境下,使用4台KinectV2、4台TX2和一台路由器搭建了一个分布式摄像机网络,在此网络下采集了4段多人交互数据集,测试了本文所提出多视角多目标跟踪和多视角3D姿态估计算法的性能。本文提出的多视角多目标跟踪算法和多视角3D姿态估计算法均设计在分布式摄像机网络下,具备低成本、高容错、可扩展的特性。在分布式系统下,本文提出的算法可提供精确可用的3D人体关节点,具有良好的使用价值和科学意义。