本文研究了基于运动捕捉的虚拟人关键技术中的最新的问题——基于运动捕捉的虚拟人运动特征的提取,基于运动捕捉的虚拟人运动识别,基于逆运动学的虚拟人控制和虚拟人运动路径编辑。课题主要的研究内容如下：1.采用非线性的KPCA算法构造出用于分割的综合特征函数和对应的评价函数；确定最优化核的函数公式,然后再采用得到的核函数公式对虚拟人运动特征进行提取。2.将机器学习中的决策树学习,多示例学习以及隐马尔可夫模型引入到基于运动捕获数据的虚拟人运动识别中。能够识别出常见的运动模型,并且比原有的算法识别率高。3.介绍了基于正运动学、逆运动学方法的虚拟人控制方法。提出了基于解析的逆运动学虚拟人控制算法,并给出了求解逆运动学约束的公式。4.研究了基于约束的使用B次样条的虚拟人运动轨迹进行编辑,生成新的运动的方法。