计算机视觉的研究目的是使计算机代替人眼和大脑对外界环境进行感知、解释和理解，使计算机具有利用一幅或多幅图像认知周围环境信息的能力。而光流计算是计算机视觉和图像处理等领域研究的一个重点。它不仅包含了被观察物体的运动信息，还携带了丰富的3D结构信息。光流发展已经经历30多年，在这发展过程中提出了一些富有成效的算法，比较常见的分为以下五类：基于区域匹配的方法，基于能量的方法，基于相位的方法，基于变分的方法，基于小波的方法。然而这些方法大多数是基于图像灰度信息进行计算的。忽视了图像中包含的丰富彩色信息。本文首先对以前一些经典的灰度和彩色的光流算法进行回顾，然后介绍了变分理论及其相关的数学知识，根据变分光流算法的设计原则，用色彩梯度代替传统意义上的灰度，得到一种彩色图像序列的变分光流计算方法，数据项采用灰度守恒和梯度守恒相结合，同时加入Lucas局部优化思想，在处理光照变化、复杂运动等光流计算精度有了明显的提高。平滑项是改进了的Horn平滑，还引入随色彩梯度自适应的平滑因子，用来调节数据项和平滑项的权重，这样大大改善了彩色图像序列光流算法的性能。最后，本文通过对多组不同运动类型的彩色图像序列进行实验，用光流矢量图和光流彩色信息分布图表示光流，以及用本文算法得到的计算结果误差与其他方法对比，进行定量分析。证明了本文算法是有效的和准确的，同时在性能上要优于其他光流计算方法。