近年来,运动捕获技术被广泛应用于电影动画、虚拟现实等领域,该技术按照一定的频率捕获表演者的运动轨迹,将每帧的运动信息保存起来,构成了运动捕获数据。目前的运动捕获技术成本较高,需要专业的演员,使得一次捕获得到的运动捕获数据序列都较长,不便于数据存储、检索、编辑与合成,需要有准确、高效的分割方法,对分割方法的研究已经成为相关领域中一个重要研究方向。基于捕获数据的人体运动分割是指对长运动捕获数据序列进行分割,得到若干不同运动类型的运动片段,以方便数据存储、检索、编辑与合成等工作。为了实现人体运动分割,首先对ASF/AMC格式的运动捕获数据进行了解析,详细介绍了文件中各关键字及其内容的含义,然后根据人体骨架模型,介绍了由捕获数据得到连续帧运动的过程；最后介绍了表示运动信息的欧拉角和四元数,以及两者之间的关系,为特征提取打下基础。在分割方法的研究方面,首先研究了基于相似度查找的分割方法,通过将欧拉角特征数据转换成四元数对数特征,在大量实验的基础上,验证了改进后算法的分割准确率高于原算法。然后提出了一种改进的基于开放式动态时间规整的人体运动分割方法,通过将欧拉角特征数据转换成四元数对数特征,并利用主成分分析算法对运动数据进行降维,不仅提高了分割准确率,还大大地提高了算法的计算效率,有效地实现了对原算法的改进。接着研究并实现了一种基于广义模型和人体划分索引图的人体运动分割方法,通过将欧拉角特征数据转换成四元数对数特征,并引入最大长度限制条件,使原方法的分割效果得到了一定程度的改进。最后研究并改进了一种基于分层对齐聚类分析的人体运动分割方法,采用混合高斯模型对运动数据进行聚类,从而实现时序约减,并引入自适应尺度参数构造方法计算核距离,使分割效果得到改善。