1.一种运动数据失真恢复方法，其特征在于，包括以下步骤：步骤1：对运动数据坐标进行标准化处理；

步骤2：对经过步骤1处理后的人体不同部位进行分割组合；

步骤3：对步骤2分割组合好的数据分别进行时间轴上的滑动窗处理，获得相邻帧的数据序列；

步骤4：进行字典训练；

步骤5：由步骤4获得的字典构建目标函数恢复人体运动数据；

步骤1中，对运动数据坐标进行标准化处理的具体步骤如下：

1-1将目标按结构划分为多个运动链接，其中至少包括躯干、左胳膊、右胳膊、左腿和右腿，cn表示第n个运动链接，每个运动链接由6～8个关节点构成，关节点用k标记区分，k的取值范围1～31；

1-2由下述公式计算第k个关节点标准化处理后的坐标上式中y(k)表示第k个关节点的三维坐标，是第k-1个关节点的子节点，Lk,k-1表示第k个关节点与第k-1个关节点之间的标准骨骼长度；式中的Δy(k-1)＝yc(k-1)-y(k-1)，且取yc(1)＝y(1)；则 为第k个关节点标准化处理后的坐标；

1-3将目标运动数据进行标准化处理后的坐标 进行排列构成矩阵F＝[F1，F2，...，FN]；

其中N表示运动捕捉数据的总帧数，Fi＝[Xi,1,Yi,1,Zi,1,Xi,2,Yi,2,Zi,2,...,Xi,d,Yi,d,Zi,d]T表示第i帧数据，i取值范围为1到N，d表示第i帧有d个点，Xi，j，Yi，j，Zi，j分别表示第i帧的第j个点的X轴，Y轴，Z轴坐标；

1-4将F里的坐标进一步变换为局部坐标F1，变换后的F1里的坐标表示整个运动序列中由同一根骨骼连接的标记点的坐标之差；

1-5对步骤1-4中的F1进行下式给出的运算获得新的坐标矩阵F2；

F2＝sign(F1)⊙(F1⊙F1)上式中的⊙表示哈达玛乘积，F2即为标准化后的坐标。

2.如权利要求1所述运动数据失真恢复方法，其特征在于，步骤2中，对经过步骤1处理后的目标不同部位进行分割组合的具体步骤如下：

2-1按照步骤1-1的划分规则将目标分割；

2-2再将步骤2-1分割成的部分每相连的三部分进行组合获得新的多个组合，表示第m个组合，其中的N表示第N帧。

3.如权利要求2所述一种运动数据失真恢复方法，其特征在于，步骤3中，对步骤2分割组合好的数据分别进行时间轴上的滑动窗处理，获得相邻帧的数据序列具体步骤为：

3-1对步骤2-2中的F3m用大小为M的滑动窗进行数据重组，M取值范围为4～8帧，产生S＝N-M+1个有重叠的序列，其中第j个序列为：

3-2将 写成列向量，记为

3-3则所有的运动捕捉数据进行步骤3-1和步骤3-2的处理后可用下式表示：

4.如权利要求3所述运动数据失真恢复方法，其特征在于，步骤4中，进行字典训练具体步骤如下：

4-1选定字典训练的目标函数：

将最小化整个运动序列的重构误差作为目标函数，如下式所示：其中 表示与Ym中每一帧相对应的退化算子，Wm为稀疏表示向量，Dm表示字典，λ1为正则参数；

4-2得到定义损失函数为：

4-3构造骨骼长度约束为：

BmL＝BmTmDmWm；

其中：Bm为与退化算子Am对应的骨骼提取算子，作用是提取骨骼矩阵中的缺失部分，BmL表示缺失部分的骨骼长度矩阵，BmTm为已知的骨骼长度矩阵；L表示的是已知的骨骼矩阵，右边TmDmWm表示的是恢复后的骨骼矩阵；

4-4在步骤4-2给出的损失函数中加入步骤4-3给出的骨骼长度约束项，来最小化骨骼长度恢复误差：定义Pm，Qm:

从而获得字典训练的目标函数如下：

式中λ2从集合{0.1，0.2，0.3，0.4，0.5，0.6，0.7}中选取；原子个数Km选为[500 1500]中的整数，h表示字典中原子的序号；

4-5依据步骤4-4给出的字典训练的目标函数交替求解Wm和Dm；

固定稀疏Wm，步骤4-4给出的字典训练的目标函数变为：采用拉格朗日对偶求解上式，得到字典Dm；

固定字典Dm，步骤4-4给出的字典训练的目标函数变为：通过交替求解步骤4-5中的两个目标函数，从而得到能有效用于重构数据的字典D。

5.如权利要求4所述运动数据失真恢复方法，其特征在于，步骤5中，由步骤4获得的字典构建目标函数恢复人体运动数据具体步骤如下：

5-1构建如下目标函数：

s.t.AmYm＝AmDmWm,BmL＝BmTmDmWm其中：Ym表示步骤1到步骤3处理后的测试样本数据，Am、Wm，分别表示相应的退化算子和待求系数，Y1＝AmWm表示已知的观测到的数据；Bm为骨骼提取算子，BmL表示缺失部分的骨骼长度矩阵；

5-2求解目标函数，步骤如下：

5-2-1通过骨骼约束项来影响系数Wm，修改步骤5-1的目标函数如下：

5-2-2将5-2-1修改后的目标函数写成无约束的拉格朗日形式，同时用l1范数近似非凸的l0范数，如下式所示：

5-2-3用近端梯度下降法求解，将步骤5-2-2中的目标函数写为：其中： h(Wm)＝λ1||Wm||1；

5-2-4对于任意的凸函数f(Wm)，定义近端投影子如下：其中：t为步长；

5-2-5Wk的迭代公式为：

其中

tk表示第k次迭

代的步长；

5-2-6将步骤5-2-5给出的迭代公式代入步骤5-2-4给出的公式：

5-2-7利用软阈值得到：

步长t的更新如下式所示：

tk＝min(αtk-1,max(βtk-1,thk))其中α和β为给定常数；

交替求解步骤5-2-6中的公式和上式得到Wm，再由Wm求得Yr；求得Yr后通过求重叠部分的平均值消除延迟窗的作用，将得到的数据作为步骤1-5中的F2，通过对步骤1-5进行逆变换，求得运动数据的局部坐标F1，再对F1进行一次反变换得到非局部坐标F，然后组合各部分获得完整的数据，再通过骨骼标准化算法最终得到原始的数据Xr。