随着虚拟现实、三维游戏、数字娱乐等行业对人体动画需求的增加，人们不仅要求生成的人体动画自然、可控，而且希望虚拟人能对不可预料的外部扰动做出真实的反应。如何提高虚拟人运动的物理真实感，准确地反应外界冲击的大小和方向，实时地响应外界交互是生成反应跟随性人体动画的关键所在。针对上述问题，本文分别对人体站立受扰平衡维持、基于数据驱动的反应运动合成、基于混合控制的反应运动生成和人体行走受扰平衡维持进行了深入的研究，提出了相应的控制策略和模型，并对传统的算法作了改进。 在人体站立受扰平衡恢复的研究上，本文提出了分别从矢状面和额状面来分析和计算人体在站立受扰时的平衡恢复问题。本文根据生物力学的研究结果，建立了基于双倒立摆的人体动力学模型，并使用比例微分控制器近似模拟肌肉力的作用来驱动虚拟人运动。在髋和踝关节的控制策略下，控制器产生的力矩使虚拟人身体质心位于支撑区域。通过身体摆动，虚拟人可以抵消作用在其身上的外力，最后恢复到平衡状态。本文还提出了采用启发式调节增益值的方法，减轻了调节增益值的繁重负担。 在基于数据驱动的反应运动合成上，本文提出了采用动量扰动与空间姿态比较相结合的运动搜索算法。传统方法：往往只考虑运动姿态在数值上的相似性来合成运动，忽略了动量变化带来的影响，因此合成的运动缺乏真实感而且计算量大。本文利用运动捕获时真实人与运动合成中虚拟人受外力作用后引起的动量变化的相似性，提出的基于动量的搜索算法能更准确地从数据库中搜索出合适的运动序列以响应外力作用。为了提高运动搜索的速度，本文还采用了近似最近邻搜索算法(Approximate Nearest Neighbor，ANN)和骨骼结构的层次细节降低数据库维度的方法。实验结果表明，本算法可以很好地模拟虚拟人对用户输入的虚拟外力做出及时反应。 在基于混合控制的反应运动生成上，本文提出了基于并行模拟机制的轨迹预测方法。物理模拟与运动捕获数据相结合的混合控制方法已经成为生成反应跟随性人体动画的一种有效手段。其中，虚拟人在物理模拟下运动轨迹的预测是实现运动光滑过渡的关键。传统的方法通常采用类似于电影胶片倒带机制来预测虚拟人的运动轨迹，然后再重新模拟一次。因此，采用这种方法只能处理接触时间非常短暂、单次触发的事件。本章提出的并行模拟的方法可以模拟连续、多次接触的反应运动。实验结果表明本文的算法比传统的方法更有效，可以实时地模拟虚拟人连续遇到障碍物后摔倒、爬起来的运动以及被对手推、打后做出的及时反应。为了使生成的虚拟人运动更加逼真，本文还提出了基于生物力学的姿态调整，采