La estimación de movimiento para flujos de fluidos complejos a través de sus secuencias de imágenes es un desafío en visión por computadora. Juega un papel significativo en la investigación científica y aplicaciones de ingeniería relacionadas con la meteorología, oceanografía y mecánica de fluidos. En este documento, presentamos un nuevo estimador de movimiento basado en redes neuronales convolucionales (CNN) para flujos de fluidos complejos utilizando un volumen de costo multinivel. Utiliza coeficientes de correlación como costos de emparejamiento, lo que puede mejorar la precisión de la estimación de movimiento al mejorar la discriminación del emparejamiento de características y superar las distorsiones de características causadas por los cambios en las formas e iluminaciones del fluido.