近年来,随着多媒体技术的飞速发展及计算机图形学的不断完善,运动捕获技术广泛兴起并被大量应用于三维动画、电影制作、虚拟现实等众多领域。针对逐渐累积的大量富有真实感的三维人体运动数据,有效的运动数据重构、识别和检索成为运动捕获数据重用面临的新问题。因此,本文基于运动捕获数据库,专注研究失真运动数据去噪和缺失运动数据补全的运动重构、运动数据行为语义识别与运动检索等两大方面的内容,研究成果分别如下:1.失真运动捕获数据的去噪重构:本文提出基于PPCA运动分割和稀疏低秩分解的失真运动数据恢复方法。主要采用双边滤波降低噪声数据的奇异信息,基于PPCA运动分割得到不同语义类型的子片段,并根据稀疏低秩分解算法局部恢复,利用时序性组合重构子片段,即可实现失真运动数据的整体恢复。2.缺失运动捕获数据的补全重构:本文提出结合模糊聚类和投影近似点算法的缺失数据重构恢复方法和基于自适应非负矩阵分解的分层块不完整运动数据补全方法。前者主要基于线性插值与模糊聚类算法细分时序运动序列,采用投影近似点算法局部补全子片段,根据运动时序性和线性特点逼真地重构运动序列。后者主要提出基于块的子链运动数据表示形式和自适应非负矩阵分解方法,同时挖掘数据低秩性和非负性,实现了运动数据的高精度、鲁棒性重构。3.运动行为语义识别:本文提出基于邻近关系保持字典学习的行为识别方法。首先归一化预处理保证不同运动的可比性;然后利用迭代最近邻算法学习运动帧间邻近关系,并将其作为约束添加到判别性字典训练框架;最后根据稀疏编码算法有效的实现了基于运动捕获数据库的行为语义识别。4.运动检索:本文提出基于时序词袋模型和邻近关系保持字典学习的运动检索方法。主要是根据简化人体骨架模型,采用时序词袋模型表征运动语义,解决序列时序性被忽略的问题,降低运动的铰链复杂性和时空维度;利用基于邻近关系保持和Fisher准则约束的判别性字典学习方法确保训练字典类别标签的可区分性;基于分层检索机制由粗到细的匹配相似度,有效实现了运动检索。