三维运动捕获技术已被广泛应用于创建高质量的人体动画,目前,很多沉浸式虚拟现实应用,如虚拟装配操作训练、虚拟维修训练等,需要实时采集并重建人体运动信息,常用的商业光学运动捕获系统能够实时的捕获并输出没有名字标识的三维标志点数据,能否准确的标注标志点决定了重建运动的质量,但已有的标注算法和商业软件在处理实时捕获的包含鬼点和丢失标志点的数据时容易混淆不同部位的标志点,产生错误的结果,在此基础上重建出的人体运动往往是不精确的甚至是不合理的,极大的破坏系统的真实感与沉浸感。另一方面,由于人体在运动过程中的遮挡和自遮挡现象,会导致运动捕获数据出现标志点的丢失甚至长期丢失,这些丢失的标志点不仅会为人体运动的重建带来困难和不准确因素,还会影响后续标志点标注的精确性。因此,准确的在线恢复丢失标志点的位置,对标志点在线标注以及实时人体运动重建至关重要。　　 本文以提高实时重建的人体运动数据质量为目的,研究了标志点的在线标注技术和丢失标志点的在线恢复技术。取得的主要研究成果如下:　　 (1)提出了一种基于柔性图匹配模型的标志点在线标注算法,本算法能够准确的标注包含鬼点和丢失标志点的运动捕获点集序列。　　 人体是一个复杂的多刚体链式结构,所有标志点的集合不满足几何不变性约束,但各标志点间又非完全独立。已有的标注工作大多没有建立能描述标志点集内部结构的模型,针对这一问题,本文首次引入图匹配理论来求解运动捕获标志点在线标注问题,将标志点标注问题转化为一个组合优化问题,通过计算匹配代价的最小值得到标注结果。区别于已有的图匹配技术,利用筛选出的候选点,我们将边匹配代价有效的融入了点匹配代价中,能在计算匹配代价时同时考虑点以及与该点相连的边构成的局部几何结构,借助匈牙利算法我们可以快速计算这一柔性图匹配模型的全局最优匹配,克服了已有的方法只能求得近似解的缺陷。实验结果表明,本文方法的标注准确率高于已有技术,即使在处理包含90%的噪声数据或30%的丢失标志点数据时,本文方法的标注准确率也保持在98%以上。　　 (2)提出了一种基于表演者骨骼模型和姿态约束的丢失标志点位置在线恢复的优化算法。　　 由于光学运动捕获系统中的遮挡和自遮挡现象,不可避免的会发生标志点的丢失情况。如丢失标志点没有得到准确的恢复,不仅会影响当前重建运动的质量,还会影响到后续的标注结果。传统的线性动态系统仅考虑了运动数据本身体现的运动特性,得到的结果往往与人体结构或者人体姿态不符。为此,本文在线性动态系统预测结果的基础上,加入人体骨骼模型以及姿态的约束,通过优化的方法得到当前的人体姿态及标志点间的相对位置,再利用刚体约束准确恢复出标志点的空间位置。实验结果表明,在保证人体末端数据可见的前提下,本文方法能够在标志点大量且长期丢失的情况下准确的在线恢复出丢失标志点的三维位置,重建出的人体运动数据具有良好的视觉直观效果,相对于ViconiQ的离线处理结果,本文方法在丢失标志点的恢复误差上平均降低了46%。　　 (3)基于前两点的研究成果,实现了鲁棒的在线人体运动重建方法,此方法能根据包含鬼点和丢失标志点的原始运动捕获数据实时在线的重建出高质量的人体运动。　　 基于准确的标志点在线标注技术和丢失标志点在线恢复技术,本文实现了鲁棒的在线人体运动重建方法,解决了已有的在线人体运动重建技术精度不高的问题。实验结果表明,相对于已有的商业运动捕获软件和基于其他标注算法的运动重建方法,本文方法能够显著的提高实时重建人体运动的质量。