随着计算机技术的快速发展，三维人体动画技术在关键帧技术、运动学、动力学等传统方法的基础上，演进产生了效果更加逼真的运动捕获技术。其中，单目视频人体运动的姿态估计和姿态跟踪问题一直以来都是是运动捕获技术中的热点研究问题。本文的主要工作是对单目视频运动人体进行姿态估计和姿态跟踪算法研究和创新。

本文首先介绍了运动人体的剪影提取，在视频序列中，由于受到复杂背景、遮挡、光照变化等因素的影响，通常的背景分离算法无法有效的对运动人体进行提取，本文介绍了一种基于高斯混合模型和帧差法相结合的运动目标提取算法，从而获得了精度较高的运动人体剪影。

由于人体姿态运动数据通常是高维矩阵数据，在处理之前一般需要进行降维度处理，首先通过传统的PCA降维算法进行处理。然后分析了PCA算法的缺陷和不足，并在PCA算法的基础上提出了一种基于概率信息的改进PCA算法。在PCA的基础上，加入一个噪声变量，用来调整后面N-M个高维度的数据的精度。 通过最大似然估计进行估计这个噪声模型，然后叠加到PCA模型的高维数据上。

最后，对降维后的数据进行粒子群的姿态估计，这里首先使用PSO粒子群优化算法进行优化，然后使用模拟退火算法进行优化，最后通过对比分析，提出了一种基于基因突变的变权值模拟退火粒子群优化算法，通过该算法，可以大大改进最后的收敛效果，使得最后的收敛值趋于稳定收敛，收敛值达到更小的误差水平，并且不存在粒子突变的情况。