近年来,运动捕获技术的日益成熟和广泛使用产生了大量的三维运动数据,这些数据已被越来越广泛地应用在计算机动画、电影制作以及3D游戏中。在实际应用中,如何对三维人体运动数据的自动识别与分类是对其进行有效管理与重用的基础,也是该领域的难点问题之一。本文提出了对已有的三维人体运动数据进行分类与分割的技术,具体包括：提出了基于稀疏表达的三维人体运动分类方法。该方法从训练数据中提取出有效的过完备字典,每一帧测试数据可以由少量的过完备字典中的基线性表示,其稀疏表达系数可以利用L1最小化方法计算得出。测试数据的类别通过重建后的残差计算得出。提出了基于谱聚类的时序三维人体运动分割方法。该方法对于仟意一段已知类别数目的三维人体运动数据,利用数据间的时序关系构图,并结合谱聚类的方法自动地对该段运动数据进行分割。实验证明,实验结果证明本文的方法相对传统的分类方法可以实现更高的正确率。将稀疏表达方法拓展应用在运动分割中也取得了理想的效果。同时,基于谱聚类的时序分割方法无需训练数据的驱动,也取得了理想的结果。