人体动作识别的研究,分为基于图像处理的人体动作识别研究和基于传感器的人体动作识别研究。其中,基于传感器的人体动作识别与研究由于具有能够获取运动数据、不易侵犯个人隐私和算法实现较为容易等特点得到了广泛应用,如智能手环、可穿戴体感网等。随传感器技术的发展、机器学习算法的不断深入研究,基于传感器的人体识别研究方向,朝着传感器种类多样化、数据多样化、传感器组合多样化的方面发展。体育运动领域是基于传感器的人体动作识别可以发挥作用的领域,通过传感器获取运动中的人体数据,可以为人体运动的特点研究、体育水平的提高、体育运动的技术动作分析等方面提供数据依据。本文在研究中,针对日常生活的人体动作,和部分篮球运动中的技术动作进行了识别研究。本文研究的主要方向在于多传感器联合识别人体动作,涉及到的目标人体动作包括站立、行走、跑动、投篮、跳投、跳跃、运球、走动运球和跑动运球等九个动作。本文涉及的研究内容包括传感器数量与位置组合、小波阈值去噪方案、决策树与SVM分类器的识别等内容。课题中包括对目标识别动作的分析、实验系统的设计与构造、识别算法的分析和研究、实验的环境与实验设计以及结果评估等内容。本文在研究中提出了一种识别失重特征的识别算法,该算法基于竖直方向的加速度进行识别,通过跳高高度的估计值作为算法训练依据,其在本课题的研究中识别有效,其准确率达到了98.67%。本文通过对10个实验者使用两种不同的传感器位置安放组合进行对比,每个动作分别采集了300组数据,通过算法识别和结果评估,得到了四个结论:(1)两种组合都能达到较高识别正确率(决策树96.49%与96.20%,SVM分类器99.40%与98.97%);(2)这两种传感器安放方式的识别准确率相当;(3)针对本课题的人体动作识别,采用SVM分类器进行分类优于采用决策树进行分类;(4)课题中提出的失重特征识别算法从识别率与时间开销上来讲,均可以满足短时间、高精度识别。