运动分析是计算机视觉研究中一个重要的组成部分。运动分析的目的是把物体从图像序列中分辨出来，同时能估计出物体的运动参数。按分析对象分类，运动估计包括刚体和非刚体运动分析两大类。在早期，关于物体运动分析的研究都是围绕刚性假设展开，并且已形成成熟的理论框架。但是，在现实世界中，很多运动的物体都是非刚体，用刚性假设对非刚体的运动进行描述是不充分的。因此，需要对非刚体运动进行深入研究。为解决非刚体三维运动中运动参数估计的问题，本文做了以下工作：(1)全面概括了非刚体运动分析的国内外研究现状，指出了非刚体运动分析的研究难点，并提出了新的算法，为下一步研究打下了基础。(2)介绍了三维运动分析的基本问题，给出了三维运动的描述方法和常用的分析方法及其对比。(3)提出了基于MRF的三维运动估计方法。建立了MRF模型与特征点运动估计的对应关系，构造了运动参数联合概率分布的能量函数来反映三维运动参数之间的约束关系。最后采用模拟退火算法对模型求出最优解，得到运动参数和各特征点的三维坐标。(4)提出了基于神经网络的运动聚类算法。首先介绍了特征点与区域三角形的概念；然后按照给出的三个约束条件设计神经网络。详细分析了神经网络的权值和初始值设置方法，给出了神经网络收敛性证明。(5)将MRF和神经网络算法相结合，提出了实时修正邻域系的具体方法，构建了一个完整的非刚体三维运动估计理论框架。模拟实验和布料运动分析实验结果证明了本文提出算法的可行性和准确性。