1.一种基于深度哈希的运动捕获数据检索方法，其特征在于，包括：基于运动捕获数据库中的运动捕获数据序列，生成每段运动捕获数据的运动表示图像；

构建深度哈希特征提取模型，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征；

对于待检索的运动捕获数据片段，提取其哈希特征，并计算待检索的运动捕获数据哈希特征与所述运动捕获数据库中每段运动捕获数据哈希特征的距离，选择距离最近的前k个数据作为检索结果。

2.如权利要求1所述的一种基于深度哈希的运动捕获数据检索方法，其特征在于，所述运动表示图像的生成，包括以下步骤：获取运动捕获数据库中的运动捕获数据；

基于正向运动学将运动捕获数据中的关节角度信息转化为人体各关节点的轨迹信息；

将一段时间内关节轨迹的空间配置和动力学特性分别表示为RGB图像的三个通道，三个通道分别从轨迹、速度场和关节的自相似性转换得到。

3.如权利要求2所述的一种基于深度哈希的运动捕获数据检索方法，其特征在于，所述RGB图像的三个通道中，第一个通道是由关节的轨迹编码的，它保留了每个帧中关节的空间信息；第二个通道由速度场编码，速度场由每个关节的速度矢量组成，其描述了运动物体的运动学特征；第三个通道反映了每个关节对之间距离的变化，其通过沿时间维度连接关节的自相似矩阵进行编码。

4.如权利要求1所述的一种基于深度哈希的运动捕获数据检索方法，其特征在于，为了消除不同人体朝向以及骨骼尺寸的影响，预先对运动捕获数据中的关节长度进行了归一化，并建立了统一的局部坐标系，所述局部坐标系的原点是根、左髋、右髋的中点。

5.如权利要求1所述的一种基于深度哈希的运动捕获数据检索方法，其特征在于，所述深度哈希特征提取模型基于深度神经网络VGG16，并在所述深度神经网络VGG16的分类层前增加一层由sigmoid函数激活的哈希层。

6.如权利要求1所述的一种基于深度哈希的运动捕获数据检索方法，其特征在于，所述深度哈希特征提取模型的训练过程中，在损失函数中添加了以下约束：(1)

T

(2)J3＝tr(Out(H)(Out(H)))其中，Out(H)为深度哈希特征提取模型中哈希层输出的特征向量，e表示所有元素都等于1的一维向量。

7.如权利要求1所述的一种基于深度哈希的运动捕获数据检索方法，其特征在于，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征，其具体步骤为：利用运动表示图像对所述深度哈希特征提取模型进行训练；

其训练终止条件为所述深度哈希特征提取模型的分类准确率大于预设阈值；

提取所述深度哈希特征提取模型哈希层的特征，作为运动表示图像的哈希特征。

8.一种基于深度哈希的运动捕获数据检索系统，其特征在于，包括：运动表示图像生成模块，被配置为基于运动捕获数据库中的运动捕获数据序列，生成每段运动捕获数据的运动表示图像；

哈希特征提取模块，被配置为构建深度哈希特征提取模型，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征；

检索模块，被配置为对于待检索的运动捕获数据片段，提取其哈希特征，并计算待检索的运动捕获数据哈希特征与所述运动捕获数据库中每段运动捕获数据哈希特征的距离，选择距离最近的前k个数据作为检索结果。

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的一种基于深度哈希的运动捕获数据检索方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1‑7任一项所述的一种基于深度哈希的运动捕获数据检索方法。