三维人体运动捕获技术是计算机视觉、计算机图形学以及虚拟现实等研究领域中一个备受关注的前沿方向,在计算机动画、人体运动仿真、生物运动力学分析、医疗康复等方面具有广阔的应用前景,不仅具有重要的研究意义,而且具有很好的应用价值.运动捕获技术的最大优点是能够捕获到物体真实运动的数据,由此生成的运动具有很强的真实感,并能合成更多复杂的运动.运动捕获数据处理过程包括数据预处理、关节中心参数估计、链状骨骼匹配和人体运动参数提取四个步骤,每一个步骤繁琐复杂,且经常因为这些处理步骤中存在一定的处理误差而严重影响到最终数据的质量,有时甚至使得数据无法使用.为改进运动捕获数据的处理质量,本文深入研究了标志点数据的刚性修正、关节中心参数估计、基于关节中心数据的链状骨骼匹配和人体运动参数构造求解等关键问题.本文进行的主要创新性研究工作和取得的成果如下: 1)、提出了一种标志点数据刚性修正算法由于人体皮肤或者衣服的微小褶皱和位移,而引起演员肢体上标志点相对位置的改变,会导致这些肢体位姿数据中含有大量噪声.目前的研究少有涉及到有效去除这些噪声,并修正特定肢体上标志点的刚体性质.针对这个三维运动捕获数据刚性修正问题,我们提出了一种多点集最小二乘匹配算法,它能够快速有效的完成标志点刚性增强预处理计算.我们从理论上证明了该算法的收敛性、原问题的多解性和该算法加权形式的推广.同时,通过仿真数值实验和实际运动捕获数据处理实验测试,结果表明,该算法只需要迭代三次,就可以将多点集匹配误差的精度提高到1.2e-10,并且与绝对定向方法相比,多点集的匹配误差平均可以下降42﹪,因此,该算法具有高效性和实用性. 2)、提出了一种高精度、高稳定性的关节中心参数估计方法我们提出了一种高精度、高稳定性的基于函数分析的关节中心参数估计方法,这种方法的优点之一在于提供了一种基于标志点数据刚性修正的数据预处理步骤,该步骤可以显著提高关节中心参数估计算法的质量.经过仿真数据测试,该数据预处理步骤优于基于绝对定向算法、小波分解算法和线性滤波算法的数据预处理步骤;在数据噪声水平为5﹪的前提下,Silaghi98、OBrein00、UdL,a02、KOF05四种关节中心算法的平均相对误差下降比例分别可以达到23.57﹪、9.76﹪、7.64﹪、19.97﹪. 该关节中心参数估计方法的优点之二在于提出了一种解析的关节中心初值计算方法.由这种方法计算得到的初值,参与特定的目标函数优化计算,所得到的关节中心具有更高的精度和更高的稳定性.在数据噪声水平为5﹪的前提下,我们的方法相对于OBreill00、UdLa02、KOF05三种关节中心算法,平均相对误差下降比例分别可以达到34.38﹪、29.43﹪、21.20﹪,平均相对方差下降比例分别可以达到54.57﹪、20.25﹪、51.92﹪.通过大量的合成数据以及实际运动捕获数据处理实验,我们验证了此算法的有效性和实用性.3)、提出了一种高效的链状骨骼匹配算法我们对如何从原始的关节中心数据中快速提取出人体骨骼进行了详细的理论讨论,主要内容涵盖:链状骨骼匹配问题具有类型多样性的特点,包括未知骨骼匹配、已知骨骼匹配、运动平滑约束匹配和加权骨骼匹配等形式;链状骨骼具有多种参数化形式,包括位置坐标、欧拉角和球面坐标等参数化形式;结合计算实例,我们分析了三种参数化方法的计算性能;链状骨骼匹配问题在不同参数化形式下可以导出无约束优化和等式约束优化两种不同类型的优化问题,且具有各自相应的解决策略.基于稀疏矩阵技术和关节中心位置参数化方法,我们提出了一种高效的链状骨骼匹配算法.这种算法的优点在于可以快速修正原有的多帧不满足固定骨骼长度的关节中心数据,在不同规模的仿真数据测试下,这个方法优化所使用的时间不到其他两种参数化方法的10﹪.通过这个方法可以获得满足固定骨骼长度约束和运动平滑性约束的关节中心数据,将使得我们可以更加充分的利用到运动捕获技术所提供的人体运动细节.4)、提出了一种人体运动参数构造求解算法完全采用优化的方法来计算人体的运动参数,不仅计算开销大,而且也容易陷入局部极值.基于人体骨骼很大程度上决定了局部肢体坐标系的客观事实,我们提出一种人体运动参数构造求解算法.该算法首先依据骨骼和标志点信息直接构造人体局部坐标系,进而解析求解人体运动参数初值,然后采用优化的关节中心数据进行修正,最后获得与关节中心数据完全匹配的高质量的人体运动参数.与基于优化来计算人体运动参数的方法相比,该方法不需要进行参数调节和非线性优化迭代求解,而且计算的结果与骨骼和标志点信息保持一致,是一种全自动的、高效率的计算方法.大量的实际运动捕获数据处理实验证明,我们提出的人体运动参数求解算法是一种非常有效的方法.