基于混合部件模型的人体姿态估计方法忽视了人体结构的对称位姿约束关系, 从而导致对称部件容易被重复检测、人体姿态估计准确率较低, 为此, 提出一种基于位姿约束与轨迹寻优的姿态估计新方法。首先估计人体单部件和对称部件在单帧图像中的多个合理位置, 利用对称部件之间的位姿约束关系构建标识部件。然后根据单部件和标识部件各自的目标优化函数, 通过动态规划算法反复迭代获得初始轨迹候选集, 再结合轨迹的全局特征剔除检测得分较低的运动轨迹。最后引入树形合约模型, 联系时空上下文信息, 准确求解出视频序列光滑且兼容的最优轨迹。在N-best、Outdoor Pose和Scene数据集中的实验结果表明, 对于存在背景复杂、运动模糊、部件遮挡等问题的视频序列中, 该方法平均姿态估计准确率达87%以上, 有效减少了对称部件的误判, 提高了视频中人体姿态估计的准确率。

针对增量视觉跟踪(IVT)算法无法对受遮挡目标进行有效跟踪的问题，提出了一种改进的IVT 目标跟踪算法。该算法对IVT 算法中目标外观模型表示单一的问题进行了改进，对目标外观采用混合表示方法。若目标未被遮挡则使用增量主成分分析与高斯观测噪声进行表示，反之则使用连续均匀概率分布进行表示，对混合模型进行能量最小化求解来实现对目标的跟踪。实验结果表明，该算法在跟踪过程中具有较好的抗遮挡性能，同时能够实现对目标的实时跟踪。