信息在人类社会的发展上越来越占据着举足轻重的作用,而多媒体技术的出现使得人们从计算机技术中获得了更加丰富的体验。而三维多媒体网格流数据作为新兴研究领域,也愈来愈受到人们的重视。科技生产生活中会产生的大规模的此类数据,它们在提供给我们丰富的信息的同时,也给实际应用中的储存空间和传输带宽提出了更高的要求。所以,在三维多媒体流数据上的压缩方法研究也成为了至关重要的不可或缺的技术。学术界提出了很多对三维多媒体网格流数据上的压缩方法。有面向单帧的网格数据的压缩,也有面向多帧的网格流数据的压缩。而绝大多数方法都是建立在离线基础上进行的研究,但对于在线的压缩方法鲜有人在此获得突出的成果。而在实际科技生产生活中,三维多媒体网格流数据的产生往往是连续不断的,需要有相应的方法及时的对其进行压缩以节省传输带宽和储存空间。因此,本文针对这样的研究现状,对在线的三维多媒体流数据的压缩问题进行了重点的研究。首先,本文根据三维多媒体网格流数据本身的特点,创新性的提出了一种基于ICP算法的顶点标号匹配方法。然后,本文提出了一种二重聚类的思想,第一重是基于κ-means的横向聚类,它把到来的三维多媒体网格流数据作聚簇,将相似的若干帧数据放到一个类中；第二重是基于局部坐标系的纵向聚类,它的目的是找出同一个簇中包含的若干网格的运动趋势的偏刚性部分。接下来,本文提出一种基于过滤思想的在线压缩过滤技术来对三维多媒体网格流数据中的冗余数据进行过滤压缩。最后,在基于模拟的数据集上的大量实验测试结果中,表明了本文提出的过滤压缩方法不仅能够有效地对三维多媒体网格流数据进行压缩,而且还能够保证在容忍的误差范围内。