定义
我们有时会获得一些时间很长的运动捕捉数据文件，每个文件中包含多个行为动作（如图所示），比如走路、拳击、跑步、跳跃等等，而在进行运动编辑与运动合成时，常常希望一个片段只包含一种行为，例如你做运动片段插值的时候，可能只想要多个走路的运动片段，你不会想要把走路和一个特技动作进行直接的插值。
当运动数据文件很多时，自动地对这些文件进行行为的分割就是很有用的了，分割后每个片段只包含一种类型的行为，也就是说给定一个运动数据文件m1,我们需要将m分割为m1,m2,…mS,分割的段数S与各个分割点是待求解的。
方法
文章”Segmenting Motion Capture Data into Distinct Behaviors, J. Barbic and A. Safonova and J.Y. Pan and C. Faloutsos and J. K. Hodgins and N. S. Pollard”（以下简称该文章为”Segment一文”）旨在处理此问题，你可以在这里：http://graphics.cs.cmu.edu/projects/segmentation/看到与该文章的视频信息，并下载到该文中使用的运动数据文件。我这里要提供的是对其文中想法的一个简述，并提供源代码。
Segment一文中介绍了三种分割的方法，分别是PCA方法(Principle Component Analysis)、PPCA(Probabilistic Principle Component Analysis)方法、GMM(Gaussian Mixture Model)方法。
其中前两种方法都基于PCA主元分析，其基本思想是这样的：人体各关节的运动由很大的相关性（如步行动作中左臂向前摆动时右臂会向后摆动），因此利用PCA可以对人体动作进行降维从而提取出主要成分来；而两个不同的行为会具有不同的主元成分，那么利用此特点就可以将行为区分开来。首先对一个区间段内的运动数据进行PCA提取，然后不断的加长此区间的长度，如果在加长到某个数据帧时发现提取出的PCA成分与前面区间段的PCA成分差异较大，那么就断定运动在此处发生了行为切换。
第三种方法基于混合高斯模型，其想法与以上也有相通之处，用高斯混合模型对整个运动序列进行建模，不同的行为会有不同的高斯分布，每个行为会聚集在自己的高斯簇周围，如果一个数据帧之前的运动片段聚集于一个簇，而其之后的运动片段聚集于另一个簇，那么就在此数据帧处对运动进行分割。
代码
Segment一文的实验结果表明，PPCA方法得到的结果最优（具体实验请看原文），因此实现了PPCA方法，这里是代码下载：https://files.cnblogs.com/ArenAK/BehaviorSegmentation.zip，当然你可以基于此代码做一些调整，就能得到PCA方法，因为PCA方法较PPCA方法更简单。
代码不当与需改进之处，欢迎指正。
代码使用方法：
直接运行main.m就可以了！
默认输入：
运动数据文件Patient1.Mix 01.amc.txt
默认输出：
程序运行完后，在matlab的命令行窗口显示类似这样的内容：
allcuts =
1 1020 1819 2588 3157
4066 4666 6035 7234 8883 9192
9609 10208 10617
这就是分割点，每个数字代表在哪一帧进行分割。
另外程序会输出一些文件在result文件夹下，分为两类：
1. 原txt文件被转化为amc文件并输出，如Patient1.Mix 01.amc.txt被转换为如Patient1.Mix01.amc.txt.amc，你可以用能打开amc程序的三维软件查看动作。
2. 各个被分段后的amc文件，文件名以seg_开头，如seg_1.amc，seg_2.amc等，同样你可以查看分段得到的动作。
说明：
代码包中包括了一个运动数据文件Patient1.Mix01.amc.txt作为输入，如果你想测试其它文件，请在网页http://graphics.cs.cmu.edu/projects/segmentation/ 中提供的链接下载，代码的输入可以是与此文件格式相同的txt文件，也可以是CMU数据库的标准amc文件（你可以在http://mocap.cs.cmu.edu/tools.php下载到查看amc文件的三维软件）。
输入的文件可以是一个或多个，将其放在ExperimentCMUData文件夹下即可。
另外，程序中有个参数threshold，默认值设为了500000，根据不同的文件，有可能你想要调节一下这个数：threshold越大，分段数越少；threshold越小，分段数越多。
