本项目面向渐变图像序列，提出了一系列基于变分模型的配准方法, 并将其应用于视频运动估算。具体工作包括：1）使用微分几何中的内蕴坐标系，结合仿射运动模型，建立适用于旋转运动估算，且保持运动边界清晰的新型数据及光滑约束方程，组成目标泛函。并给出了泛函优化求解算法。该方法在国际权威第三方Middelybury测试排行榜中取得中上游成绩，且被证实在人运动估算显著有效。2）利用“低秩子空间”约束，结合局部配准法与全局配准法。此方法既借助全局配准法得空间一致性提高配准质量，也可有效抑制局部配准中的计算误差在全局配准中扩散。在多组公用测试序列上取得了优于同类方法的结果。3）提出了一种具有旋转不变特性，且可微的特征描述向量。我们利用该向量的稳定性推导出数据约束方程，构成新的局部配准泛函。此外，我们提出了一种递进式结合局部与全局配准方法的系统。在大量公用测试序列上的实验结果证实，我们的系统取得了计算速度与准确度之间的平衡，且在人运动估算方面优于前沿方法。4）面向被工业界广泛采用的金字塔Lucas-Kanade配准，我们提出了一种快速动态预测干扰点并筛除的方法。该预测子对内部光滑点及运动边界点同时有效，并且计算代价极低。在来自多个公用测试数据库的序列上证实，我们的预测筛除法不仅显著提高了Lucas-Kanade配准的准确度，并且在半数序列上提高了计算速度，而在其他序列上的额外耗时也可忽略。项目负责人作为第一兼通讯作者，已将上述工作发表于国际顶级期刊IEEE Transactions on Image Processing (2篇)，国际权威期刊IEEE Transactions on Circuits and Systems for Video Technology (1篇) 以及SCI期刊Optical Engineering (1篇). 在此项目研究基础上，后续工作将在国家自然科学基金委面上项目资助下，深入探讨面向复杂安全监控视频的人运动估算。