Posnetek gibanja (angl. motion capture) je nova tehnologija, ki se je razširila v uporabo v filmski industriji in v razvoju računalniških iger. Na površino človeškega telesa igralca se namesti približno 30 dobro vidnih oznak velikosti kovanca. Igralec potem pred kamerami izvede določeno gibanje. Kamere (tipično jih je okoli 10) iz različnih zornih kotov beležijo položaj oznak. Pri tem uporabljajo algoritme iz računalniškega vida in delujejo s frekvenco okoli 120 krat na sekundo. Na ta način dobimo trajektorije gibanja oznak, iz česar je možno rekonstruirati položaj in orientacijo vseh sklepov telesa za vsa časovna obdobja. Iz teh osnovnih posnetkov resničnega gibanja je potem z različnimi metodami možno generirati nova, umetna gibanja istega igralca. Ena izmed dolgoročnih vizij raziskav na tem področju je, da bo v prihodnosti mogoče v popolnosti posneti gibanje znanih Hollywoodskih igralcev in potem računalnisko generirati filme s temi igralci se dolgo po njihovi smrti. Danes v svetu obstajajo velike podatkovne baze s posnetki gibanja, ki vsebujejo veliko različnih igralcev (ne nujno filmskih, igralec je lahko vsakdo) in tipov gibanja (hoja, tek, telovadba, borilne vescine, itd.). Eden izmed odprtih problemov je, kako te posnetke avtomatično kategorizirati glede na tip gibanja. Soroden problem je problem segmentacije: v primeru, da določen posnetek vsebuje več različnih gibanj zapored (z zveznimi prehodi, npr. igralec najprej teče, potem preide v hojo in zatem spleza po lestvi navzgor), kako avtomatično najti prehode iz ene vrste gibanja v drugo. Najti učinkovite metode za segmentacijo posnetkov gibanja je bil glavni cilj nasega dela na CMU. Predstavil bom tri pristope k segmentaciji, ki uporabljajo analizo glavnih komponent (Principal Component Analysis, PCA), probalistično analizo glavnih komponent (PPCA) in mešane Gaussove porazdelitve (Gaussian Mixture Model).