近年来,随着CG产业的快速发展,运动捕获技术也日益成熟,并被越来越广泛地应用于影视动画、游戏制作、体育训练、科学研究等领域中。然而,由于运动捕获技术自身存在的缺点,如捕获设备往往比较昂贵,操作复杂,对场景有严格限制等,从而限制了该技术的广泛使用。如何重用现有的人体运动捕获数据,生成更加生动、自然的三维人体动画,是目前研究的一个热点问题。随着稀疏表示理论的日益完善,信号的稀疏表示引起了越来越多的学者的关注,并被广泛应用于各个领域中,且很好地解决了各种难题。利用稀疏表示理论对人体运动捕获数据进行分析、处理,以取得更好的效果,是本文研究的主要目标。本文的研究工作主要涉及以下三个方面内容：(1)基于稀疏表示的人体运动捕获数据分割。在人体运动局部线性关系的假设下,提出了一种基于稀疏表示的运动捕获数据分割算法。该算法首先提取待分割运动序列的前面一段子序列作为字典,该子序列中包含了某种运动类型的至少一个运动周期,然后求得其后继序列中每一帧在该字典上稀疏表示后的重构误差,将重构误差的跳变点作为分割点。最后通过实验证明了该算法能够取得较好的分割效果。(2)基于稀疏表示的运动检索。对于用户提交的一个待检索运动序列,从中提取稀疏表示字典,数据库中与其相似的运动序列在该字典上稀疏表示后的重构误差较小,相对而言,与其不相似的运动序列在该字典上稀疏表示的重构误差要大。在这个假设前提下,本文在稀疏表示理论的基础上提出了一种基于内容的检索算法。通过与现有方法对比实验,实验结果证明了本文检索算法具有更高的检索性能。(3)基于稀疏表示的缺失数据的修复。分析并研究了基于L1范数的运动捕获数据缺失标记预测算法,该算法利用稀疏表示理论框架和人体运动序列连续性等自身特性,将待修复运动姿态分为两部分：完整部位和不完整部分。首先求解完整部分在训练数据集形成的字典上的稀疏表示,然后利用字典和稀疏表示系数重构不完整部分。针对该算法的不足,本文采用线性四元数特征作为特征数据,并且只选择人体骨架中重要的关节用于求解稀疏表示。另外,为了增强算法的适应性,本文对基于加权表示系数的字典更新算法进行了改进。实验表明,改进后的方法不但具有更低的重构误差,而且能够降低修复的时间,提高修复效率。