簡介
運動序列是指人體運動或物體運動時的時序運動信號數據。運動序列在很領域都有套用，例如體育界，根據運動員訓練和比賽時的運動序列，分析運動員的不足，提高運動員技術；在動畫生成中，利用運動捕獲技術實時地檢測、記錄表演者的肢體在三維空間中的運動軌跡，捕捉表演者的動作，並將其轉化為數位化的“抽象運動” ，以驅動虛擬人模型，使動畫製作過程更為直觀,效果更加生動逼真。
運動檢測
運動檢測是計算機視覺系統的一項重要功能，廣泛套用於視頻監控、車輛自主導航、視頻壓縮、動目標智慧型跟蹤和自動目標識別等方面。然而，背景運動、光照變化以及目標的結構尺寸及形狀變化等因素使得運動檢測十分困難。若將目標運動視為剛體運動，則這些因素主要由攝像機和目標運動引起。按照攝像機及目標相對於真實世界的運動狀況，可以將目標檢測問題分成靜止攝像機靜止目標、靜止攝像機運動目標、運動攝像機靜止目標和運動攝像機運動目標4種類型。運動目標檢測方法有：背景圖像差分法、時態差分法和光流法。光流法運算公式複雜，計算量大，在沒有特殊硬體支持的條件下很難達到實時要求。所以在對實時要求很高的情況下都會採用計算相對簡單的背景圖像差分法和幀間差分法。
運動捕獲
運動捕獲技術是一種新的動畫生成技術，它實時地檢測、記錄表演者的肢體在三維空間中運動軌跡，捕捉表演者的動作,並將其轉化為數位化的“抽象運動”，以驅動虛擬人模型，使動畫製作過程更為直觀,效果更加生動逼真。運動捕獲技術是近年來角色動畫研究的熱點問題，被廣泛地套用於電影廣告、數字娛樂 、體育仿真等領域。在運動捕獲技術的廣泛使用過程中，越來越多的三維運動資料庫可供動畫師選擇。但在基於高頻採集到的運動數據里存在大量的冗餘信息，為了更加有效地把運動捕獲數據用於人體運動合成，以及更加方便地存儲、 傳輸或瀏覽運動資料庫的內容，需要提取出表示運動數據內容的關鍵幀。運動數據有其內在的特徵，首先，運動數據是高維向量，和視頻、圖像檔案一樣，它們對存儲空間要求很大。利用提取的關鍵幀，可以有效地節省存儲空間。其次，採用人工的方法對運動資料庫進行標註,容易造成主觀理解不統一的問題。而較好的關鍵幀提取方法可以有效地提取出表示運動序列內容的關鍵幀，通過瀏覽運動序列的關鍵幀，用戶可以快速地了解運動資料庫的內容。
耦合性
耦合性（Coupling，dependency，或稱耦合力或耦合度）是一種軟體度量，是指一程式中，模組及模組之間信息或參數依賴的程度。耦合性可以是低耦合性（或稱為鬆散耦合），也可以是高耦合性（或稱為緊密耦合）。以下列出一些耦合性的分類，從高到低依序排列：
內容耦合（content coupling，耦合度最高）
也稱為病態耦合（pathological coupling）當一個模組直接使用另一個模組的內部數據，或通過非正常入口而轉入另一個模組內部。
共用耦合/公共耦合（common coupling）
也稱為全局耦合（global coupling.）指通過一個公共數據環境相互作用的那些模組間的耦合。公共耦合的複雜程式隨耦合模組的個數增加而增加。
外部耦合（external coupling）
發生在二個模組共用一個外加的數據格式、通信協定或是設備界面，基本上和模組和外部工具及設備的溝通有關。
控制耦合（control coupling）
指一個模組調用另一個模組時，傳遞的是控制變數（如開關、標誌等），被調模組通過該控制變數的值有選擇地執行塊內某一功能;
特徵耦合/標記耦合（stamp coupling）
也稱為數據結構耦合，是指幾個模組共享一個複雜的數據結構，如高級語言中的數組名、記錄名、檔案名稱等這些名字即標記，其實傳遞的是這個數據結構的地址;
數據耦合/數據耦合（data coupling）
是指模組藉由傳入值共享數據，每一個數據都是最基本的數據，而且只分享這些數據（例如傳遞一個整數給計算平方根的函式）。
訊息耦合（message coupling，是無耦合之外，耦合度最低的耦合）
可以藉由以下二個方式達成：狀態的去中心化（例如在對象中），組件間利用傳入值或訊息傳遞 (計算機科學)來通信。
無耦合：模組完全不和其他模組交換信息。
圖像分割
圖像分割是圖像處理與機器視覺的基本問題之一，圖像分割（Segmentation）指的是將數字圖像細分為多個圖像子區域（像素的集合）（也被稱作超像素）的過程。圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析。圖像分割通常用於定點陣圖像中的物體和邊界（線，曲線等）。更精確的，圖像分割是對圖像中的每個像素加標籤的一個過程，這一過程使得具有相同標籤的像素具有某種共同視覺特性。圖像分割的結果是圖像上子區域的集合（這些子區域的全體覆蓋了整個圖像），或是從圖像中提取的輪廓線的集合（例如邊緣檢測）。一個子區域中的每個像素在某種特性的度量下或是由計算得出的特性都是相似的，例如顏色、亮度、紋理。鄰接區域在某種特性的度量下有很大的不同。其要點是把圖像劃分成若干互不交迭區域的集合。這些區域要么對當前的任務有意義，要么有助於說明它們與實際物體或物體的某些部分之間的對應關係。現有的圖像分割方法主要分以下幾類：基於閾值的分割方法、基於區域的分割方法、基於邊緣的分割方法以及基於特定理論的分割方法等。
