Software engineering

7. Conclusions 
We presented a novel generative approach to reconstruct 
3D human pose from a single monocular image as well as 
from monocular image sequences. The main contribution is 
to optimize human pose in learnt latent human motion 
space. Pose analysis in the latent space learnt using ISOMAP 
happens to be more ef f icient and accurate. In the search 
strategy, we apply the immune genetic algorithm for pose 
estimation. A sequential IGA framework is proposed for pose 
tracking by incorporating the temporal continuity informa-
tion into the traditional IGA. Compared with GA and PSO, 
IGA has the ability to use the prior knowledge of human 
motion. Experiment results on different motion types and 
image sequences demonstrated that our IGA-based method 
for pose estimation is effective to deal with occlusion, left-
right ambiguity, and the viewpoint problem. The sequential 
IGA method can achieve stable and accurate pose tracking. 
Quantitative experiments compared with other state-of-art 
methods show that our methods achieve better results.