本发明公开了一种Faster‑RCNN结合卡尔曼滤波的运动人体跟踪方法，首先对Faster‑RCNN算法进行简化，留下卷积神经网络和RPN网络，输入图像经过以上两个网络输出运动人体候选位置；然后对经典卡尔曼滤波算法进行改进，将原算法中定义为常值矩阵的噪声协方差矩阵改为时变矩阵，将原状态向量由四维扩展为八维，增加状态向量中运动人体位置框的宽度、高度和宽高变化率信息；最后将得到的运动人体候选位置作为卡尔曼滤波算法观测值，结合卡尔曼滤波算法预测值，得到多个运动人体位置的估计值，通过最小二乘拟合，去除离群点，去剩余位置求取平均值得到运动人体位置最优估计。该方法实现了动态背景下运动人体准确跟踪的效果。