三维运动视觉分析的热点和核心是从一系列的高速拍摄的二维动态图像序列中提供的信息来恢复三维形状和运动状态。由于非刚体在日常生活中更为普遍，所以非刚体的三维运动分析就成了当下三维运动视觉的研究重点。现有的非刚体运动重建算法是基于“非刚体是一定数目的刚性形状基的线性组合”这一思想，这一思想的出现将三维运动视觉的分析带入了一个新的发展阶段，经过近几年的发展研究者们提出了大量的基于这一思想的三维运动的重建理论，这些方法虽然为非刚体的运动重建提供了一些解决途径，但是形状基仍然无法统一，如果物体变了或者运动场景变化，必须重新估计物体的形状基这样的问题。这就将导致前面的算法不适用，给问题的求解带来了困难。针对以上的问题本文主要做了以下几方面的工作：（1）研究一种统一的运动形态模型来描述形态各异的非刚体运动。虽然现有的非刚体运动重建算法都普遍认同“非刚体是一定数目的刚性形状基的线性组合”这一假设，但是此假设存在的最大的缺点是无法为所有的非刚体运动建立统一的形态模型。现有的非刚体运动重建方法适用性都不强，只能用于特定的场合。当运动场合发生变化后，必须重新估计其形状基。比如，描述人体脸部运动的形状基却无法适用于人体走路，跳舞，这样的运动场合。为此本文在研究和挖掘世上所有非刚体运动时在形态上存在的共性和物理本质基础上，基于高速拍摄的非刚体运动图像序列建立一个流形运动群模型来描述不同类型的非刚体运动形态的变化。实验证明这种模型可以很好的描述各种非刚体的运动形态。（2）研究了一种改进的求解非刚体运动重建的方法。现在的非刚体运动重建算法主要有因式分解法和参数优化法两大类。因式分解法将二维图像序列中特征点坐标构成的观测矩阵分解成两个矩阵的乘积，通过SVD分解求得运动参数矩阵和三维结构参数矩阵。由于运动估计和结构重建是一个非线性的逆问题，加上结构的非刚性、运动的多样性和诸多成像因素的影响很难找到非刚体的约束规律，参数优化的方法是一种依靠约束的闭合形式的求解方法，初始值和目标函数进行累积，容易陷入局部最小。本文中提出一种基于流形运动群的非刚体模型在非刚体运动中建立约束，寻找到一种改进的非线性的目标函数和初始值的选取方法，然后使用经典的非线性优化的方法求得非刚体的三维结构矩阵和参数矩阵进行三维重建。对图像序列的实验表明这种方法得到的解误差较小效果明显。（3）通过仿真和实验手段对算法进行验证。对实验物体的特征点做标注，使用高像素的相机对实验的非刚体运动进行拍摄并分解出二维的图像序列，然后得出每个特征点的二维坐标作为已知的数据，用本文研究所形成的非刚体运动重建算法对数据进行计算根据结果分析和评估算法的性能，并且进一步对算法进行改进和优化。