运动恢复，即从图像序列的二维特征点恢复出其三维结构信息和运动信息，是模式识别和计算机视觉领域中一项很重要的研究。目前该技术已经广泛应用于服装及织物的仿真、视频监控、安防等各种领域。其中的非刚体运动恢复，因其复杂的结构和不规则的形状，而成为一项更为困难的工作。当前的非刚体运动恢复大都是在形态空间中，即把非刚体的三维结构看成是一系列形态基的线性加权组合。由于形态基的局限性，对于不同的运动类型要用不同的形态基，比如走路和喝水的运动恢复中要用不同的形态基，因此在形态空间中进行恢复亦会造成较大的误差。为解决这个问题，可以将非刚体结构看作是一系列预定义轨迹基的线性加权组合，实现在轨迹空间的运动恢复。而且，现有的非刚体运动恢复大都是在正交投影模型或是弱透视投影模型下进行的，而这些投影方法都属于仿射模型，是真实摄像机模型的近似。其中正交投影模型完全忽略了深度信息和位置信息，弱透视投影模型虽未忽略深度信息，但却丢失了物体的位置信息。且这些近似方法只有在物体的深度信息变化不明显时才成立，当物体深度信息变化较大是会造成较大的误差甚至使非刚体的运动恢复成病态。针对这些问题，本论文进行了相关的研究，主要工作如下：1、实现了在轨迹空间中的从图像序列中恢复非刚体三维结构和运动信息。由于形态基的局限性，因此基于三维空间中特征点的时间平滑性，可以将其表示为一系列轨迹基的线性加权组合。通过的形态基和轨迹基的对偶性，可以将形态空间的运动恢复变换到轨迹空间中。通过对不同轨迹基类型和数目的恢复效果分析，选取合适轨迹基种类及数目。由于轨迹基的独立性且可以预定义，因此可以减少误差积累，提高运动恢复的稳定性和精确性。2、提出一种迭代算法，在轨迹空间中，通过二维图像特征点序列，实现透视投影模型下的非刚体运动恢复。目前的算法大都是在弱透视投影模型下进行的，该模型是对真实透视投影模型的近似，忽略了位置信息，会造成较大的误差。本文根据透视投影模型和弱透视投影模型之间的关系，对特征点矩阵进行加权，通过迭代算法来不断逼近实现透视投影模型下的运动恢复。通过对真实的二维图像特征点序列的实验表明，本文的改进算法具有较好的精确性和稳定性。