1.一種基于姿態(tài)相對時空特征統計描述的運動數據檢索方法，其特征在于，包括以下步驟：
步驟1，三維姿態(tài)相對時空特征提?。禾崛∪S姿態(tài)中關節(jié)形成的點、線、面幾何元素之間的相對空間位置及其變化的度量作為姿態(tài)的特征表示，通過不同局部區(qū)域包含的不同類型特征的權重組合來表達廣泛的姿態(tài)模式；
步驟2，動作統計描述生成：提取姿態(tài)相對時空特征的統計描述作為動作的特征向量表示，選擇的統計量包括：值、極差、方差以及偏態(tài)共4個統計變量；
步驟3，相似度匹配：采用步驟1和步驟2提取用戶提交的檢索動作實例的特征描述，并進而采用歐式距離計算庫中動作和檢索動作的相似程度，對最終相似度由高到低排序后將結果動作返回；
步驟4，相關反饋：步驟3的相似度計算中每個特征都采用了相同的權重，實際上對于用戶的每一次檢索都存在著一個特定的特征子集及其權重組合，通過支持向量機相關反饋方法來優(yōu)化檢索結果，以更好的捕捉用戶的檢索意圖并逐步逼近最優(yōu)的特征子集及其權重組合。
2.根據權利要求1所述的方法，其特征在于，所述步驟1包括：
1-1)定義三維人體關節(jié)模型，選擇其中最重要的若干個關節(jié)作為三維姿態(tài)表示；
1-2)構建幾何元素集合，選擇的關節(jié)構成了幾何元素集合中的點集，點集中任意2點形成直線，任意3點則構成平面；
1-3)提取每個三維姿態(tài)相對空間特征，包括關節(jié)對距離特征、關節(jié)與骨骼距離特征、關節(jié)與平面距離特征、骨骼對夾角特征、骨骼與平面夾角特征、平面與平面夾角特征、關節(jié)旋轉特征；
1-4)提取每個三維姿態(tài)相對時間特征，包括關節(jié)角速度與加速度特征。
3.根據權利要求1所述的方法，其特征在于，所述步驟2包括：
2-1)裝載動作中包含的每個三維姿態(tài)的相對時空特征，并把每個特征作為一維隨機變量，動作中的每個姿態(tài)對應了該隨機變量的取值；
2-2)計算每個相對時空特征的均值；
2-3)計算每個相對時空特征的極差；
2-4)計算每個相對時空特征的方差；
2-5)計算每個相對時空特征的偏態(tài)；
2-6)將每個相對時空特征提取的均值、極差、方差、偏態(tài)歸一化后按順序進行排列并保存，形成每個動作的特征向量表示。
4.根據權利要求1所述的方法，其特征在于，所述步驟3包括：
3-1)用戶提交檢索動作實例；
3-2)采用步驟1和步驟2計算用戶提交的檢索動作的相對時空特征統計描述；
3-3)對于庫中的每個動作，基于相對時空特征統計描述，采用歐式距離計算和用戶提交的檢索動作的距離，每個特征的權重相同；
3-4)對庫中每個動作和用戶提交的檢索動作的距離進行排序；
3-5)將距離最小的Top-20個動作返回給用戶。
5.根據權利要求1所述的方法，其特征在于，所述步驟4包括：
4-1)對于步驟3或者上一輪相關反饋的結果，用戶標注返回實例和其提交的檢索動作是否相關；
4-2)將用戶標注的和其提交檢索動作相關的樣本作為正例樣本，將用戶標注的和其提交檢索動作不相關的樣本作為反例樣本；
4-3)選擇線性核，采用SVM對正反例樣本進行學習，得到SVM分類模型；
4-4)依次將庫中的每個動作輸入到SVM分類模型，計算得分；
4-5)對得分進行排序，將得分最高的Top-20個動作返回給用戶；
4-6)如果用戶對結果滿意，則檢索過程結束，否則返回步驟4-1)，進行下一輪反饋。