运动捕捉技术通过可穿戴传感器设备获取人体在运动过程中产生的关节角度信息和空间位置信息,在应用过程会产生大量数据,导致存储、检索、编辑困难。多种关键帧提取算法被用于解决这个问题,但存在提取效率低、阈值难以确定、运动数据重建误差大等不足。关键帧包含了运动捕捉数据的关键信息,具有数据量少、信息量大的优势,但却很少被用于运动分类的研究,其可行性还有待实验验证。为解决上述问题,本文提出了一种新的基于线性拟合的关键帧提取方法,通过线性分段拟合了运动数据,提取了关键帧;同时利用线性拟合参数构建了新的运动数据重建模型;提出了一种可以利用关键帧进行运动分类的改进残差网络模型。本文从以下三个方面进行研究:（1）基于线性拟合的关键帧提取算法针对提取效率低、阈值难以确定的问题,本文提出了一种基于线性拟合的运动捕捉数据关键帧提取算法。首先使用高斯滤波、主成分分析法和标准差标准化方法对运动捕捉数据进行预处理,然后利用线性拟合方法从运动曲线中提取分段点,最后应用密度聚类算法从分段点集合中获得关键帧。该算法提高了关键帧的提取速度,提取速率可达100帧每秒;平均压缩率小于8%,有效减少了运动数据存储量;重建误差降低了22.2%。本文分析了运动曲线的分段依据决定系数R~2、密度聚类算法的两个重要参数邻域半径和邻域样本个数MinPts之间的相互影响关系,最终确定R~2的最佳取值范围为[0.75,0.85]、的最佳值为1、MinPts的最佳范围是[1,18]。（2）基于线性拟合参数的运动数据重建技术针对运动数据重建误差大的问题,本文提出了一种基于线性拟合参数的运动数据重建模型。该模型利用关键帧索引与提取关键帧时的副产物线性拟合参数进行运动重建,其重建结果与原始数据高度重合,误差小,但存在关键帧处数据不平滑的问题。本文设计了一个加权均值滤波器,解决了运动重建结果不平滑的问题,同时进一步减小了重建误差。与传统重建方法相比,本文方法的重建误差降低了44.7%,重建速度达801.5帧每秒。（3）基于改进残差网络的运动分类模型针对基于关键帧的运动分类可行性不确定的问题,本文提出了一种能利用关键帧数据有效识别运动类型的改进的残差网络模型。该模型由残差网络模块和双向循环网络以及全链接层构成,可以利用关键帧进行运动分类。与其他运动分类技术相比该模型的运动分类准确率达99.6%,优于其他几种运动分类技术,具有很强的竞争力。