用方法100重建所感兴趣的实际运动过程，这可以在最后的步骤108中完成。
[0043]根据图1所概括性说明的方法100可使用装置200来实现，该装置用于由目标的计算机模型的数字运动样本片段序列重建目标的实际运动，那么接下来将参照图2对其进行更详细地描述。
[0044]装置200 (其例如可被实现为一个或多个处理器)包括运动检测设备202，该运动检测设备被构造用于，基于从至少一个位置标记器所接收到的(以及可能消失的)目标的至少一个采样点的位置数据(例如，X-、y_、Z-坐标)在时间间隔i内对目标的起始运动状态(x[1-l]，y[i_l]，z[1-l])与结束运动状态(x[i]，y[i]，z[i])之间的(实际的)运动转换(Ax[i]，Δγ[?], Δζ[?])进行检测或检测。换句话说，运动检测设备202用于执行先前所描述的方法步骤102。装置200进一步包括与运动检测设备202相耦合的选择设备204，其适用于，从存储在数据库205中的多个数字计算机模型运动样本中选择对应于所检测到的运动转换(Ax[i]，Δγ[?], Δζ[?])的运动样本片段，其中所选择的计算机模型运动样本片段具有足够高的概率从当前所考虑的时间间隔i的起始运动状态(x[1-l],y[1-l],z[1-l])引导至结束运动状态(x[i]，y[i]，z[i])。换句话说，选择设备204用于执行先前所描述的方法步骤104。此外，在装置200的框架内进一步提供与选择设备204相耦合的重建设备206，其被构造用于，利用起始运动状态(X [i_l]，y[1-l]，z [i_l])与所选择的数字运动样本片段针对所考虑的时间间隔i对目标运动的图像进行重建。换句话说，重建设备206用于执行先前所描述的方法步骤106。其中，实际运动的图像可通过一个或多个彼此连续的数字运动样本片段从数据库205被重建并且通过合适的显示装置被重现。
[0045]现在将根据图3进行例示，可如何借助位于目标上的位置标记器执行实际运动转换或者实际运动的检测。
[0046]图3以示意性的人的形式示出了目标302。位置标记器304位于目标302的不同的运动采样点处，其用于确定不同的运动采样点的空间位置。在位置标记器304中，根据一个实施例可以尤其是基于无线电的位置标记器，其发射可从至少一个或者多个接收天线308接收的定位无线电信号306。其中，根据一些实施例，定位信号306可具有单个无线电标记器304的直接地理坐标。在其它实施方式中，无电线标记器304的单个地理位置也可通过其他方法(例如，通过运行时间测量的三角测量等)来确定。其中，位置数据可基于帧(即，每所检测到的运动的单帧画面(大约1/24秒))来确定。为此，接收器310可例如基于角度测量和/或运行时间测量检测用于无线电标记器304的位置计算的所需的遥测数据(诸如，x-、y-、z-坐标、速度数据、加速度数据等)并且基于检测装置202提供给各个帧。相应地，在实施例中，目标302上的至少一个位置标记器可与无线电发射器相耦合，信号306 (通过其可推导出无线电标记器304的位置数据)通过无线电接口传送至评估装置310，该评估装置再重新与重建装置200相耦合，以便执行重建方法100。其中，位置标记器304可以是实时定位系统的一部分，以便可以实时确定以及重建目标的标记器位置和/或实际运动。
[0047]返回参照图2，可将预先生成的数字计算机模型运动样本或其运动样本片段(其可以通过单个帧来表示)存储在电子存储单元或数据库205中。其中，帧对应于预先生成的计算机模型运动样本的单帧画面。根据一些实施例，计算机模型运动样本(其虚拟的呈现出预先记录的所感兴趣的运动过程)由不少于两个帧组成。相应地，一个计算机模型运动样本片段(其另一方面可以表示计算机模型运动样本的子集)包括至少一个帧。由此可见，计算机模型运动样本片段也可以完全是两个不同的整体运动过程或者数字计算机模型运动样本的一部分。由于复杂的运动大多由多个运动片段构成，其中不同的复杂运动的单个运动片段可以相同或者相似。
[0048]根据一些实施例，存储于数据库205中的计算机模型运动样本(其由计算机模型运动样本片段或者帧构成)可被存储为标准的数字运动样本。由此，目标或者其计算机模型可例如被标准化为单位大小，以便能够与所检测到的或者所检测到的实际运动进行更好的比较。地点或者位置(在创建计算机模型运动样本时在其上设置位置标记器)是已知的，并且可以基本上对应于目标上的那些位置，之后在这些位置上设置用于检测所要重建的实际运动的位置标记器。因此，为了通过设备204对计算机模型运动样本片段进行选择104，从位于目标上的位置标记器接收到的位置数据可被加入与目标大小相对应的比例因子，以便获得标准化的目标运动，从而与存储在数据库205中的标准化的运动样本进行比较。存储在运动数据库205中的运动样本也可以被标准化或者是标准化的。在比较和选择104之前可同样将在步骤102中所接收的无线电标记器数据或者位置数据进行标准化。然而，其中用于后续重建106的比例因子可以被记录下来。在结果确定之后，可通过真实目标上的比例因子对相应的计算机模型运动样本进行调整。由此，可将不同大小的目标合理并且节省空间的进行存储。
[0049]数据库205可包含人/物体/物体集合的典型运动样本，该运动样本可借助其运动采样点被识别或者被映射。此处不需要伪迹滤波器(Artefaktfilter)等，因为从数据库205所查询的运动优选地表示为均匀的运动形式。各运动样本片段或者帧可表示为运动状态，并且可以在数据库205中与虚设的指引线或者状态转换相匹配。各极其相似的运动样本片段或者帧可被统一概括，使得一个数字帧或者一个数字运动样本片段可同时是两个不同运动或者不同计算机模型运动样本的一部分。
[0050]选择设备204(其也可以被称为匹配单元)可被设置用于，导出可能的运动状态和处于确定运动或帧的概率。根据本发明的一些实施例，不同的运动状态从马尔可夫链的概念上是彼此相连的。因此，目标的当前的运动状态和至少一个过往的运动状态可以形成马尔可夫模型的序列。
[0051]为此，图4a仅示例性地示出了具有四个(运动-)状态“00”、“01”、“10”、“11”以及这些状态之间的完整的连接或指引线(Kanten)的马尔可夫链400。此处指引线描述状态转换，其中，状态转换与转换概率P有关。根据示例性地示出的图4的马尔可夫模型，用于由状态“00”至状态“01”的状态转换的转换概率用“P(ll”表示。反之，“p1(l”则表示由状态“OI”至状态“00”的转换概率。这同样适用于示出的其它状态。在图4中所示的马尔可夫链400中，第一状态可转换至各个其它第二状态，这通过所示出的状态转换(箭头)清晰可见。当然，其他的马尔可夫链也是可能的，其中某些状态转换可以被去掉。尤其是在描述可能的实际运动状态及其转换的马尔可夫链中将是这种情况。如先前所阐述的，由于结构上的或者物理上的限制不是任何后续状态都可能从运动起始状态开始。因此要强调的是，图4中所示的简化状态模型仅用于例示，而不对应于实际的运动状态模型，特别是针对复杂的运动。在实际的实现中，可能的运动状态的数量具有超过1000、超过10，000、超过100,000以及在某些应用中甚至超过100万的值。
[0052]因为根据一些实施例所有可能的运动状态在马尔可夫链的概念上可以是彼此相连的，所以可根据时间点i_l处的状态概率以及根据当前的传感器测量值迭代地计算出针对离散时间点i处的运动状态的概率。如上所述的方法步骤102至106可因此形成用于实际运动的重建的迭代过程的当前的迭代，其中，在迭代过程的先前的迭代i_l中重建或者确定针对当前迭代i的起始运动状态，从而由多个所选择的并且彼此连续的时间间隔或者迭代所对应的运动样本片段构成重建的运动的图像。因此，它可以是由两个或多个存储在数据库205中的数字部分运动样本所构成的重建的复杂运动，例如，根据重叠帧和匹配的传感器测量值。因为，新的组合运动可以由“子运动”或者帧-序列生成，因此，它不需要任何预先被记录并且被存储在数据库205中的复杂的或者组合运动。
[0053]另一个因素是在初始运动记录(预生成)中现存的发射器或者位置标记器的数量以及在当前要重建的运动场景中的位置标记器的数量。当在初始运动记录中的位置标记器和当前要重建的场景的位置标记器不但数量而且位置相同时，虽然这可能是有利的，但绝对不是必要的。例如，它可以是当前无法并行地追踪或跟踪足够的发射器或位置标记器的情况。因此，根据一些实施例，可以只追踪在原始的运动记录中和在所存储的数字运动记录中所包含的发射器的序列(Permutat1n)(即，子集)及其位置。针对可能的运动状态在步骤104中所确定的概率能够考虑到所有可能的排列，并且和往常一样选择最有可能的概率分布和运动状态。在某些情况下，这可能导致重建结果的失真。此处“失真”意味着，重建结果是不正确的或者与目标的实际运动不相符。然而，采用本发明的方案，真正的失真是不可能的，因为在状态图中的可能的连接运动不允许不可能的或者不切实际的运动。它可能因此一直只显示下一个可能的数字帧-序列，从而可使重建的运动图像永远不会看起来像“僵尸重建。
[0054]选择设备或匹配单元204因此可利用其在各时间点i的概率保持可能的运动状态(帧)。这些运动状态可通过指引线相连接，可以在记录数据(计算机模型运动样本)之后但在运动重建之前确定这些转换概率，例如通过转换频率等的检测。另外，转换概率可基于实际所检测到的以及所进行的运动转换持续更新。可由状态图(网络)(例如，马尔可夫链400)产生多个不同的分析结果，其中，由一个完整的状态图(例如，100个运动01000个帧=大约100，000个运动状态)利用标记器位置之间的细微变化和偏差总结出连续的帧或者运动状态。由此可减小状态空间以及用于计算概率(是其运动状态的数量的平方)的成本。
[0055]为了计算运动状态概率，可首先从最小的状态模型(即，较少的状态)开始，以便在其中相对较快的得到最有可能的运动状态。如果还有剩余的计算时间，则可以转换到例如更深一层