1、隨著運動捕捉技術的高速發(fā)展，越來越多的優(yōu)質運動捕獲數據不斷涌現，并廣泛應用于各行各業(yè)。例如，影視產業(yè)、視頻游戲領域、虛擬現實交互、計算機醫(yī)學輔助等。完成一次動作數據捕獲相當耗時耗錢。為此，計算機科學家們開始將研究重點轉移到了如何對已有的三維人體運動捕獲數據進行分析、檢索、合成與分割，從而達到重復利用的目的。
　　檢索是復用優(yōu)質運動捕獲數據的關鍵環(huán)節(jié)，為了更加高效的檢索和查看大量真實感超強的三維人體運動捕獲數據，本文提出了一種SK-

2、means聚類算法，在傳統(tǒng)的K-means聚類算法中引入了概率統(tǒng)計信息，采用無監(jiān)督學習進行運動捕獲數據的組織，以語義關鍵幀生成縮略圖作為檢索預覽圖，實現高效直觀的檢索。該方法用分三個階段實現對運動捕獲數據的高效檢索。首先，引入統(tǒng)計訓練信息對運動數據進行K-mean聚類得到類型描述符，進而實現快速字符匹配。其次，在檢索過程中學習用戶的檢索信息，統(tǒng)計每個數據檢索率，實現民主決策檢索排名，從而達到降低聚類誤差的同時提高檢索準確度。最后，提出一