随着光电、计算机等技术的飞速发展,以及图形学等理论研究的不断深入,三维人体动画技术在关键帧技术、运动学、动力学等传统方法的基础上,演进产生了效果更加逼真的运动捕获技术。该技术自动将演员表演时主要关节的运动轨迹提取出来,记录人体运动信息。将这些运动信息传递给动画人物,产生逼真的运动效果。近年来,人体运动捕获技术已经成为国内外研究的热点。通常情况下,运动捕获操作复杂,价格较高,需要有比较专业的演员,这一系列的现实问题导致运动捕获时一次性捕获的运动序列较长,同时,也让人们开始考虑如何充分利用已有的人体运动捕获数据。因此,人体运动捕获领域内出现了对运动捕获数据的分割、检索、编辑与合成等多个重要研究方向。人体运动捕获数据分割是指将长时间运动序列中包含的不同类型的人体运动数据分割开来,形成具有独立属性的运动片段。本文的主要工作是对人体运动捕获数据的分割算法进行研究,为后续的检索、编辑与合成等工作提供基本素材。为了对人体运动捕获数据进行分割,首先针对CMU运动捕获数据库中ASF/AMC格式的运动捕获数据进行解析。在此基础上,将骨架信息和运动信息结合起来,提取出反映人体运动信息的四元数特征、四元数对数特征以及骨骼夹角特征,为分割工作的开展打下基础。在分割算法的研究方面,首先研究了基于主成分分析和概率主成分分析这两种分割算法,对采用的特征数据进行了线性化改进,提出将线性四元数特征用作分割的特征数据,并通过大量的实验,验证了改进的合理性。然后,从图形学的角度出发,提取出骨骼夹角特征,对其进行分析处理,得到反映运动变化趋势的特征曲线；在此基础上研究了基于骨骼夹角特征分析的分割算法,提出了自适应计算幅度跳变检测阈值方法,并引入长度限制条件,在一定程度上提高了该算法的分割效果；为了更好地利用该算法中给出的运动特征曲线,在幅度跳变检测分割的基础上给出一种交互分割方案,取得了较好的分割效果。最后,研究并实现了基于对齐聚类分析的人体运动捕获数据分割算法,在构建相似度矩阵时引入邻近自适应尺度参数计算方法,结合相似度矩阵的优化,使得分割效果得到进一步改善。