随着计算机技术与硬件设备的发展，人体关节三维坐标数据逐渐获得学术界与工业界的重视，应用到很多领域，如在影视动画作品中驱动虚拟人物、在体育训练中记录测量数据、在网上购物中虚拟试衣、以及在游戏中体感交互等，逐渐渗透到人们的生活中。人体关节三维坐标数据通常由彩色图像或深度图像经由人体轮廓提取、虚拟骨骼曲线提取、二维关节点定位、相机校准等算法获得，获取到的数据由于运动复杂或存在遮挡、衣服纹理相似或材质柔软有褶皱等因素关节坐标存在噪声或缺失，影响后续应用的分析处理。因此，实现三维人体关节运动坐标的去噪具有很大价值的研究空间。本文提出了一种基于时空约束的三维人体运动恢复算法，有效地重建了干净的人体关节三维坐标数据。论文的工作成果和创新点如下：
　　1.针对人体运动特性研究，提出了一种基于时空约束的三维人体运动恢复算法从受损的三维关节运动序列中恢复准确和平滑的人体运动。其中，低秩项保证了人体运动的合理性，稀疏项保证了人体运动的平滑性，而等距约束项促进了骨骼长度在时域上的不变性，保证了关节位置的准确恢复。与以往基于二维图像或一维运动轨迹的三维运动重建方法相比，本算法大大扩展了直接恢复三维骨骼的三维运动重建方法。
　　2.针对提出的基于时空约束的三维人体运动恢复模型，本文提出了将不可微项解耦为更简单的子问题，使用基于迭代方法的拉格朗日乘子法求解优化问题，高斯-牛顿法求解非线性子问题。
　　3.基于时空约束的三维人体运动恢复模型，由于低秩近似对大量运动帧进行操作，在优化的每次迭代中，需要访问所有的样本来执行奇异值分解，这样的批处理模式优化不仅会带来较大的延迟，而且还需要大量的计算和内存资源。本文提出了一种在线版本的基于时空约束的三维人体运动恢复模型，将核范数进行显式低秩因子分解，通过解耦核范数实现对输入运动序列的逐帧处理，大大提高了计算和存储效率。
　　实验结果表明，在CMU运动捕捉数据集、Edinburgh数据集和两个Kinect采集的数据集上，本文的两个方法比最先进的方法具有更好的运动恢复效果。