运动捕捉是一种对人体运动时空结构进行数字化表征的方法。近年来,随着动作捕捉数据技术的广泛应用,动作捕捉数据库的数据容量越来越大。随着动作捕捉数据量的增加,为了提高信息访问的效率,需要在动作捕捉数据库中搜索相似运动,从而识别出所查询动作捕捉数据是运动类中的哪一个,因此动作捕捉数据检索技术越来越重要。本文实现和评估了五种分别基于PCA、特征函数以及DTW的传统动作捕捉数据检索技术。并提出了一种兼顾精度和效率的基于SK-means的动作捕捉数据检索方法。主要工作如下:1.实现和评估了五种分别基于PCA、特征函数以及DTW的动作捕捉数据检索技术。发现两个基于PCA的动作捕捉数据检索技术产生的漏报数量最少但同时具有大量误报(接近90%),这表明这两种技术检索出大量错误地不匹配动作类别。基于特征和基于DTW的技术比基于PCA的技术表现更好。其中,基于特征函数的动作捕捉数据检索技术虽然运行效率更高,但是相对于基于DTW的检索技术漏报和误报都较高。而基于DTW的动作捕捉数据检索技术虽然实现了较高的准确度,但是运行效率最慢。2.提出了一种兼顾效率和准确度的动作捕捉检索算法。该方法基于k均值(SK-means),采用民主决策、无监督学习、可视化关键帧提取等方法对运动捕捉数据进行结构化处理,通过浏览语义关键帧的缩略图实现直观检索。整个流程分为三个步骤。首先,采用新的SK-menas算法对运动捕捉数据进行聚类,得到基本类别。然后执行字符匹配。该系统在检索过程中学习用户的检索信息,更新各数据的检索成功率,通过民主决策,根据检索成功率对搜索结果进行排序,提高搜索结果的准确性。最后生成语义泛化的缩略图。实验表明,该方法可以高效地从海量动作捕捉数据库中检索相关运动。