运动捕捉技术已经在数字娱乐、运动仿真等诸多领域得到广泛的使用。相较于传统的动画制作技术,运动捕捉技术在创建角色的逼真性以及制作方式的便捷性上有着显著的优势。但是与此同时,运动捕捉设备及每次捕捉的成本相对高昂。尽管庞大的人体运动数据库已经得以建立,如何对现有数据进行有效利用以生成更加丰富的运动样本已经成为计算机动画领域的研究热点。运动对齐则旨在寻找不同运动片段之间的对应关系,使得不同运动片段在对齐之后能够在逻辑上具有高度的相似性,因此成为很多后续工作的必要步骤。传统的基于动态时间变形(DTW)的运动对齐算法在应用于人体运动融合时,往往容易产生卡顿现象,并造成合成结果严重失真。针对这一问题,本文提出了一种新的基于运动分段的人体运动对齐算法:首先利用人体运动普遍具有的周期性和阶段性的特点,采用流形学习中的等距映射算法(Isomap)将所有原始运动样本的运动帧降维至低维投影空间;然后根据这些运动帧在低维投影空间中的坐标分量的极值点实现运动分段;最后在原始运动样本的对应运动分段上采用DTW算法进行运动对齐,旨在获取更精细的对齐结果。本文最后将运动对齐的结果应用于运动融合中,并与传统的运动对齐算法进行了对比实验,实验结果表明,该方法能够有效地克服传统运动对齐算法所导致的运动卡顿以及运动失真现象,最终生成的运动样本在视觉效果上相较传统方法有显著的提高。