单目视频人体运动分析是计算机视觉领域的一项极具挑战的研究课题,其研究目标是使计算机能够自动地从图像或图像序列中获取人体运动的姿态参数。单目视频人体运动分析技术研究涉及到多个学科领域,其研究成果在人体动画、虚拟现实、智能监控、人机交互、医疗看护等多个领域有着广泛应用。本文结合目前单目视频人体运动分析的研究现状和特点,以计算机人体动画为应用背景,围绕人体视觉特征提取与表示、映射多义性引起的姿态误判、高维状态空间计算复杂度高、姿态优化方法精度低等问题,对单目视频人体运动分析技术进行了系统而深入的研究,取得了一些有意义的成果。本文创新性成果主要包括以下几个方面：(1)针对运动分析中存在的映射多义性问题,提出了一种运动分析的实例学习方法,通过概率和统计建模有效地利用了运动的时空信息,降低了运动分析的误判率。该方法以视频中的人体轮廓为视觉特征,采用一种结合帧差和背景减的方法实现了轮廓提取,并采用形状上下文描述子进行视觉特征的表示和匹配,满足实例运动分析的姿态检索需求；提出了一种运动分析的实例学习方法,通过概率转移建模和和统计建模挖掘运动的时空结构,并将时空信息应用于实例运动分析过程中,降低了映射多义性引起的姿态误判。(2)针对高维姿态空间引起的计算复杂度高和优化精度低难题,提出了一种运动分析的子空间构造方法,通过学习得到姿态的子空间描述并在子空间中进行运动分析,提高了运动分析的效率和精度。利用运动捕获数据,采用姿态子空间学习方法得到反映人体运动本质的姿态子空间,降低了姿态表示的维度和搜索空间,同时提取了人体运动的先验知识,因而提高了运动分析的效率；研究了基于进化计算的姿态优化方法,并设计了结合人体视角判定的姿态估计方法,利用运动时序信息提出了时序进化计算姿态跟踪方法。子空间中的运动分析具有良好效率和精度,该研究为子空间中基于进化算法的运动分析方法研究提供了基本思路。(3)针对粒子群姿态优化方法优化能力低、易陷入局部最优解问题,提出结合动态惯性权重和模拟退火思想的退火粒子群姿态优化方法,提高了姿态优化的全局最优性。设置了递减的动态惯性权重,使粒子群在初期具有好的全局搜索能力,在后期具有好的局部搜索能力,保证了收敛性,提高了优化能力；采用模拟退火思想对粒子群算法进行改进,通过给适应度低的粒子以一定的概率存活下来,从而使得粒子群有更大的搜索范围,提高了姿态优化的全局最优性。(4)提出了一种集免疫和进化机制于一体的免疫遗传姿态优化方法,在姿态优化过程中利用了子空间的姿态约束和子空间结构特性,提高了姿态优化的收敛性。研究了基于免疫遗传的姿态优化方法,利用人体运动的先验知识来抑制优化过程中出现的“退化”现象,方法核心是遗传算子、疫苗设计和免疫算子。定义了一组遗传算子用于种群进化；利用姿态子空间包含的姿态约束和子空间结构特性设计了姿态疫苗；采用接种疫苗和免疫选择操作将先验知识约束姿态优化过程。免疫遗传算法用局部信息来介入全局寻优过程,克服交叉和变异操作中的退化现象,提高了姿态优化的收敛性。(5)提出了一种克隆选择姿态优化方法,通过对抗体的克隆和免疫选择提高了抗体抗原的亲合度,增强了姿态优化的局部优化能力。“克隆-选择”机制在单一抗体周围产生一个变异解的群体,利用局部搜索提高抗体抗原亲合度,增强了姿态优化的局部优化能力。将局部搜索和全局搜索相结合,在种群更新过程中加入随机抗体保持了种群多样性,保证了全局优化能力。实验结果表明：克隆选择姿态优化方法具有良好局部优化能力,提高了运动分析的精度,实现了稳定的人体运动分析。(6)提出运动编辑的姿态建模方法,结合人体姿态交互建模和运动姿态交互编辑实现了运动的生成和编辑,满足人体动画设计的应用需求。以手绘草图为交互接口,通过人体关节点定位和组件化骨架识别方法获取姿态参数,利用姿态模板形变方法实现了基于草绘的三维人体姿态建模,生成的模型为姿态参数驱动的可形变模型,利用运动数据可驱动人体姿态模型生成人体动画。在运动姿态交互编辑中,支持用户采用草绘交互方式编辑人体姿态模型,可用于人体动画中间帧姿态模型的编辑,进而采用运动插值方法生成新的人体动画。实验表明：该姿态建模方法可有效支持人体动画生成和编辑。