基于自适应跑步机原理的全向运动平台是虚拟现实运动输入设备的重要组成部分。高效、非接触的获得人体运动信息对全向运动平台的控制与调节具有重要作用,研究基于计算机视觉的人体运动信息测量具有重要的理论与工程实用价值。针对基于自适应跑步机原理的全向运动平台上使用者身体的空间位置相对地面变化不明显,难以通过常用的位置差分法获得人体运动速度这一问题,提出了一种通用的、不需要标记点且无需佩戴设备的基于计算机视觉方式的行走速度估计方法。该方法利用Kinect相机采集到的人体骨骼关键点空间位置数据,通过将四元数标定校正、过滤噪声高斯滤波以及三次样条插值技术相结合,补全缺失数据后,然后用步长修正算法获得人体在跑步机上行走时的步态时空参数,进而通过上述计算出的步态时空参数,获得了用户在全向运动平台上的行走速度。通过在定速跑步机上将速度估计值与速度设定值进行对比,验证了所提的速度估计算法的有效性,结果表明该方法可以用于后续的与人体行走速度相关的研究。针对全向运动平台与虚拟现实游戏相结合的应用需求,提出了一种基于神经网络预测人体行走姿态的方法。该方法预测的人体位置姿态结果与实际值对比的误差得到有效改善,并且由于提前0.5s传输,提前将数据传递给控制系统,有效的降低了虚拟现实系统的延迟,提高了系统的动态响应速度。针对使用者在虚拟现实游戏中可能存在不稳定情况的问题,提出了一种通过人体关节点计算人体支撑区域和外推质心的方法用于判定人体在跑步机行走时的稳定判据。通过在定速跑步机上加多正弦信号扰动作为干扰,模拟人体行走的不稳定条件,验证了所提方法有效性。针对现有的全向运动平台控制策略需要昂贵及复杂的传感器设备或进行复杂的设备改造,同时也为了解决加速度与全向运动平台结构占地空间难于平衡的问题,提出一种基于Kinect相机和虚拟弹簧阻尼的控制方法。通过建立Simulink仿真模型对该控制方法和系统进行了分析,并将本文所采用的控制策略与前人所采用的策略进行对比,实验结果表明,本文所采用的控制算法具有更快的响应速度。