光流计算是计算机视觉和图像处理的重要研究方向之一，近年来，光流计算越来越受到国内外学者的关注，是机器视觉领域中的研究热点。　　本文对基于变分理论的光流快速估计方法进行了研究，针对TV-L1光流估计模型存在的噪声干扰以及光流求解效率等问题，提出了改进的TV-L1平滑光流估计方法;针对传统迭代方法收敛速度慢的问题，采用非线性多重网格法提高光流场的求解效率;为进一步提高光流算法的实时性，运用OpenMP并行编程模型对能量泛函的求解过程进行加速。主要工作有如下几方面:　　1.改进的TV-L1平滑光流估计方法。　　针对噪声干扰，本文提出了改进的TV-L1平滑光流估计方法，采用高斯平滑后的数据项，以实现降噪并提高光流估计的鲁棒性和精度;为进一步提高光流场的估计精度，引入了非局部中值滤波的全局优化策略;借助原始-对偶算法改善变分光流的求解效率;为提高算法对较大位移量估计的适应性，运用了由粗到精的金字塔方法。　　2.基于非线性多重网格法的光流场快速估计方法。　　传统迭代方法可以快速地消除高频误差分量，但消除低频误差分量需要成百上千次的迭代，而多重网格方法可以利用一系列的粗细网格，在细网格上消除高频误差分量，在粗网格上消除低频误差分量，从而达到加速收敛的效果。由于光流的求解模型大多呈非线性，且运用线性多重网格方法求解的光流误差较大，因此，本文提出了一种基于非线性多重网格法的光流场快速估计方法，用非线性多重网格法求解光流估计模型，在确保光流精度的同时，提高了光流的求解效率。　　3.基于OpenMP的并行光流实现方法。　　光流计算过程中需要进行插值、高斯滤波、采样、求梯度等运算，这些运算与其他程序间相关性较低，可以被直接并行化，从而提高程序的运行速度。对此，本文提出了基于OpenMP的并行光流实现方法，该方法采用OpenMP并行编程模型，在非线性多重网格法求解光流的基础上，进一步提高了光流估计的实时性。　　实验表明，本文所提出的改进的TV-L1平滑光流估计、基于非线性多重网格法的光流场快速估计方法以及基于OpenMP的并行光流实现方法是行之有效的，对运动图像分析和目标跟踪研究具有一定的理论意义和实际应用价值。