三维运动捕获技术目前已经成为运动数据获取的一项重要技术，准确有效的从三维运动捕获点集序列中重建人体运动是计算机视觉领域和虚拟现实领域富有挑战性的研究课题之一。光学运动捕获系统中得到的特征点数据不包含人体结构信息，人体运动的重建首先需要从这些特征点数据中抽取人体结构信息，进而构造人体模型并计算人体结构参数，最后利用人体模型和结构参数重建人体姿态和运动。由于人体结构极为复杂，不同的捕获对象往往具有不同的几何尺寸，而且在数据采集过程中，捕获对象往往会呈现不同的姿态，所以已有工作采用的几何一致性和姿态一致性假设无法解决运动捕获点集序列的自动标注问题。另一方面，由于人体在运动过程中的遮挡和自遮挡现象，会导致运动捕获数据出现特征点的丢失甚至长期丢失，为了准确的重建人体运动，还需要准确恢复这些丢失特征点。　　 本论文以光学运动设备获取的三维运动捕获点集序列为研究对象，研究运动捕获序列中特征点的标注和丢失特征点的准确恢复问题。取得的主要研究成果如下：　　 (1)提出了一种基于局部K维树的链式点集匹配算法。本算法能够在模板数据和运动捕获数据的几何尺寸和运动姿态均不一致的情况下，按照人体链式结构准确标注无结构信息的运动捕获点集序列。　　 人体是一个复杂的多刚体链式结构，不同的人体具有不同的几何尺寸，在运动捕获的过程中人体也会呈现出各种不同的姿态。因此，需要设计一种不依赖于几何一致性和姿态不变性假设的点集的标注方法。本文提出了一种基于局部K维树的链式点集匹配算法，将人体划分为各个独立的刚体，对各刚体分别标注，然后组装出最终的人体标注结果。这种技术克服了全局K维树对姿态不变性的要求；另外，由于K维树在点集匹配中的应用也去除了几何一致性的约束。同时，为了得到准确的标注结果。解决刚体划分后左右肢体的歧义性，本文根据人体的链式结构，提出了一种链式的点集匹配过程。实验结果表明，相对于前人工作，本文方法去除了几何一致性和姿态一致性的约束，即使在噪声和丢失特征点数据干扰下也能得到准确的标注结果。　　 (2)提出了一种基于骨骼长度和人体姿态约束的线性动态系统。本系统能够在特征点长期丢失的情况下，准确的恢复丢失特征点的空间位置。　　 由于光学运动捕获系统中的遮挡和自遮挡现象，不可避免的会发生特征点的丢失情况，而且某些特征点甚至会出现长期丢失的结果。传统的线性动态系统仅考虑了运动数据本身体现的运动特性，得到的结果往往与人体结构或者人体姿态不符。为此，本文在线性动态系统的优化过程中加入了人体骨骼长度和姿态的约束。通过循环迭代的优化策略，本文方法能够在线性动态系统的优化过程中，同时保持人体的刚性约束以及人体姿态的平滑性和合理性的约束，最终得到准确的特征点的空间位置。实验结果证明，相对于前人工作，本文方法能够显著提高丢失特征点的恢复精度。另外，本文方法得到的人体运动数据具有良好的视觉直观效果。