近年来,运动捕获技术逐渐成熟,并广泛应用于影视制作、游戏设计和体育训练等领域。随着运动捕获数据的逐年积累和运动编辑、合成等技术的飞速发展,使得高效地重用现有的捕获数据成为趋势。然而,由于在捕获过程中关节数据可能缺失,运动捕获序列过长,捕获数据量大且冗余等原因,使运动捕获数据的重用受到诸多限制。本文的研究工作就是围绕运动修复、运动分割、运动压缩以及运动检索这四方面展开,旨在提供有效的数据分析与处理手段,以确保运动重用技术的顺利实施,具体内容与研究成果如下：(1)基于张量填充的人体运动捕获数据修复方法。该方法根据人体运动局部具有较强的时空相关性,再结合张量填充理论,首先以2D矩阵的形式表示运动特征,然后对该矩阵进行分割、重排、切片得到基于轨迹的3阶低秩张量,最后利用低秩张量填充算法,实现了缺失数据的修复。实验结果表明,该方法的修复效果优于其他方法。(2)基于主测地线分析(PGA)和概率主测地线分析(PPGA)的人体运动捕获数据分割方法。该方法利用人体运动捕获数据的高维和非线性等特征,结合非线性流形学习算法,对特征数据进行非线性降维,然后利用主成分分析(PCA)和概率主成分分析(PPCA)的分割方法进行后续处理,从而实现运动分割。实验结果表明,该方法能够得到较好的分割效果。(3)基于Tucker分解的人体运动捕获数据压缩方法。该方法依据Tucker分解中每个维度上保留的主成分数可以不相等,在相关性高的维度上使用更少的主成分进行表示,极大地减少了数据存储空间和传输带宽。通过对比实验,实验结果验证了该方法能够获得更高的压缩比。(4)基于Tucker分解的人体运动检索方法。该方法利用Tucker分解提取出保留了运动序列主要信息的低维核心张量,然后将其矩阵化后进行相似性度量。实验结果表明,该检索方法具有更高的检索性能。