随着微机械系统和无线通信技术的发展，使用可穿戴微型传感器进行人体运动捕捉越来越受到研究者们的关注。微型传感器运动捕捉凭借其经济、体积小、能耗低等诸多优点，在医疗康复、动画制作、体育训练、交互游戏等诸多领域得到广泛的应用。现阶段微型传感器人体运动捕捉仍存在一些亟待解决的问题，例如(1)由于人体结构的复杂性和运动捕捉系统的实时性，如何有效地在三维虚拟空间中建立既能够反映人体生理特性又能够实时逼真重建人体运动的人体模型。(2)如何有效处理微型传感器的测量噪声和人体运动加速度的干扰，避免人体运动重建的失真问题。(3)全身人体运动重建要求使用多个（15-17个）微型传感器对人体主要肢体段进行直接测量，传感器数量的减少会导致相应肢体段的运动无法重建。　　针对以上问题，论文在现有微型传感器人体运动估计和重建工作的基础上，研究基于微型传感器的人体运动估计和重建问题，探索利用少量微型传感器进行全身人体运动重建的方法。　　本文的主要工作和创新点包括:　　建立了一种符合人体生理学特征的三维人体骨骼模型，并实时重建了人体运动。根据微型传感器运动捕捉系统需求和人体解剖学原理，对人体复杂骨骼结构进行简化和抽象，并引入自由度限制和生理极限对关节进行运动约束;再根据人体测量学特征对模型中的参数进行定制，建立了一个符合人体生理特性的三维人体骨骼模型。将人体建模为骨骼模型一方面能够形象地刻画人体运动过程中骨骼的运动，避免了皮肤层和肌肉层带来的干扰;另一方面人体每段骨骼为刚体，避免了求解皮肤变形的计算量。结合微型传感器运动捕捉数据，提出了一个基于四元数的正向运动学三维人体运动控制方法，完成人体运动数据的实时更新，驱动人体骨骼模型模拟人体动作，实现了实时三维人体运动重建。实验结果表明，本文所构建的三维人体骨骼模型和模型控制方法能够实时逼真地重建真实人体运动，从而验证了本文所提出的人体建模方案的有效性、合理性、实时性和可控性。　　提出了一个新颖的基于人体模型的多传感器运动估计方法。该方法通过Unscented卡尔曼滤波器融合相邻肢体段两个传感器数据和人体模型信息，对肢体的姿态、运动加速度和相对位置进行估计。其中，人体模型定义了相邻传感器之间的层次结构关系和运动耦合。在三维空间中利用人体模型信息对肢体运动加速度和重力加速度分离，补偿了肢体运动加速度分量对重力加速度分量的干扰，提高了姿态估计的稳定性。利用人体模型中相邻肢体间的运动耦合关系，对相对位置估计中的漂移误差进行补偿，提高了位置估计的准确性。仿真实验和微型传感器实验结果表明，人体模型信息作为微型传感器信息融合的额外信息源，能够提高人体运动估计的精度，与已有算法相比，所提出的方法在多种运动类型中估计误差最小，姿态估计误差为3.18°±2.16°，运动加速度估计误差为2.14±1.53m/s2，位置估计误差为6.82±2.40cm。　　提出了一种基于少量微型传感器的人体运动重建方法，并展示了仅使用三个微型传感器结合人体运动数据库实现人体全身运动重建的可行性。微型传感器分别固定于左右手腕和腰部（L3脊椎骨处），方法首先对人体运动数据库进行预处理，根据运动数据库中的运动数据对三个加速度计的观测值和脚着地状态进行模拟，使得加速度计和脚着地状态的模拟结果与真实值具有可比性。通过建立Kd树的方式对运动数据库进行索引，以便于快速查找。在运动重建阶段，使用腰部的加速度计和陀螺仪数据对人体双脚着地状态进行检测，再根据加速度值和脚着地状态在Kd树中进行匹配查找，得到I个相似候选动作，然后根据候选动作建立局部统计学模型，利用最优化方法求解最相似动作，实现运动重建。实验结果表明，与已有使用四个微型传感器进行运动重建的方法相比，本章所提出的方法不仅达到了同样的运动重建精度，而且在大部分运动类型中，本文的方法取得了更好的运动重建结果。