随着人机交互，三维动画，游戏，体育运动分析，医疗诊断和虚拟现实等领域的迅速发展，人体运动捕获系统作为其关键技术，已成为这些领域的研究重点。目前市场上，基于带标记点的人体运动捕获系统已经十分成熟并且商品化。研究人员已经开始将研究的重点转移到非标记点的人体运动捕获系统中。目前，非标记点人体运动捕获系统的还处于研究的起步阶段，各方面的技术还不成熟。本文主要是解决非标记点人体运动捕获系统中摄像机标定效率低和由于关键点的图像坐标不平滑造成人物模型运动不连贯现象。本文的主要创新性研究工作和取得成果如下：针对标定物空间位置相互独立性，改进随机抽样一致性的基本矩阵计算。多摄像机的标定一个关键就是基本矩阵的计算。基本矩阵在摄像机标定采用的是随机一致性抽样的方法。传统的随机一致性抽样的基本思想就是反复进行“假设-验证”，这必然导致基本矩阵的计算效率低。针对摄像机标定过程中样本相互的独立性，本文改进了假设和验证的过程，提出并行化计算随机抽样一致性的基本矩阵算法。针对优化过程中矩阵的稀疏性，将增量方程由高维降为低维。捆绑调整是多摄像机参数优化的基本方法。捆绑调整的关键步骤就是自变量的更新。传统的算法是直接求解线性方程组来更新自变量，本文根据系数矩阵的稀疏性，将高维的线性方程转化成多个低维方程组。针对简化后的方程组形式，实现了并行优化摄像机参数的算法。将基于全局优化的关键点跟踪算法引入人体运动捕获系统。传统的非标记点人体运动捕获是采用基于图像的轮廓分割方法。这种方法存在人物动作不精确，数据不稳定，容易打滑和漂移等现象。采用基于全局优化的关键点跟踪算法使得关键点的轨迹平滑和连续，三维重构后人体关节的运动也相对稳定和连续。即使在关键点出现遮挡的情况时，基于全局优化的关键点跟踪算法仍然可以通过预测的方式进行跟踪。利用摄像机标定的参数和关键点的坐标进行三维重构，将重构的数据驱动虚拟模型人物的运动。实验结果显示出虚拟人物模型的运动连贯和自然。