运动捕捉是一个多学科交叉的新兴研究领域。作为运动捕捉数据的重要来源之一,被动式光学运动捕捉系统以其数据采集方便、采样率较高、运动受限小的特点成为目前被大量研发的一种运动捕捉系统,已广泛用于影视娱乐、濒危文化数字化保护、辅助训练与教学、人机交互等领域。运动捕捉数据处理作为其中重要的研究内容得到了国内外学者的广泛关注,并取得了一些有价值的研究成果。但是在运动捕捉散乱数据处理和处理后数据的关键帧提取方面依然存在一些问题。本文依托相关课题针对运动捕捉数据处理的一些核心方法开展研究工作,主要包括：(1)针对传统模板匹配方法效率低、耗时长的问题,提出了一种针对散乱数据的匹配方法,利用Manhattan距离实现节点筛选。实验结果表明基于Manhattan距离的散乱数据匹配方法能在一定程度上提高数据匹配的准确率并缩短匹配时间,表明了所提方法的有效性。(2)针对传统特征关联法不能修补连续缺失节点和一个模块多个缺失点的问题,将离散运动数据作为运动轨迹曲线在空间中的坐标信息点,提出了一种基于Lagrange插值的缺失数据修补方法,利用前后帧数据间节点的离散坐标求运动的近似轨迹曲线,由于插值多项式具有唯一性,可唯一确定缺失点的坐标。仿真实验说明了Lagrange插值方法的有效性。其次,本文针对数据中存在的噪声直接去除,避免了已有去噪方法存在的误差累积问题。(3)针对已有帧消减算法在提取关键帧时消耗时间较长的问题,提出一种基于最小二乘拟合的关键帧提取方法。将关键帧的提取分为两个阶段,第一阶段使用最小二乘拟合方法筛掉大量不可能成为关键帧的帧,第二阶段使用帧消减算法提取最终关键帧。实验表明文中的方法能节省关键帧提取时间,体现了该方法的有效性和可行性。研究的结果可用于光学式人体运动捕捉数据处理的相关研究,并为相关课题需求提供支持。