虚拟人(virtual human或computer synthesized characters)是人在计算机生成的空间(虚拟环境)中的几何特性与行为特性的表示。要实现人在三维虚拟环境中的准确再现，不仅要模拟人体外观，而且要有逼真的运动模拟。但人体具有200个以上的自由度，能够完成非常复杂的运动，如何模拟这种运动是虚拟人技术的主要研究目标之一。从早期的关键帧运动控制方法，到基于动力学的运动控制，人们提出了各种各样的虚拟人运动控制方法。尽管这些运动控制方法各有特点，但没有一种是很完善的，究其原因在于，人类的行为不仅仅是简单的机械行为，它更包含了丰富的情感因素，为此本文提出了将情感计算、人工神经网络和虚拟人相结合的新方法，提出虚拟人情感计算模型，使虚拟人具有情感和自我学习能力。文章介绍了作者在这些方面的工作以及取得的进展，具体内容如下：虚拟人的运动控制包括底层运动和高层运动控制两个层面，底层的运动控制技术已经十分成熟，本文在考察了各种底层控制技术之后，结合虚拟人的身体建模和VRML技术特点，采用关键帧控制技术进行底层运动控制。对于高层运动控制，本文重点研究了路径规划技术，在已有的最短切线算法理论之上提出自己的切线方程，并对算法进行了改进。情感计算(Affective Computing)就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。本文把情感计算引进智能虚拟人中，使虚拟人的运动行为更加人性化、智能化。通过对虚拟人实时的内部状态(包括情感状态)的判断，对虚拟人的动作的选择产生影响，不同的内部状态会导致选择不同的动作行为。人工神经网络是最近智能虚拟人研究的一个热点问题，本文把人工神经网络引入到对虚拟人的行为训练中，使虚拟人通过人工神经网络的训练，逐渐具有自主的学习的能力，可以作出简单的逻辑判断，使虚拟人的行为选择更加智能化。