随着互联网和通信技术的发展，智能手机已经成为最为广泛使用的移动互联网接入设备之一，其应用正变得越来越流行。智能手机内置各种传感器件，如加速度传感器等，它已不单单是通信设备，更成为影响和改造我们生活的工具，具有强大的感知能力。人体动作识别作为行为理解的一个方面，逐渐成为计算机领域比较热点的研究课题。本课题根据人体在室内活动的主要特点，把正常行为定义为屋内的走动或者静止，而将摔倒视为异常行为，重点是对摔倒这一特定动作进行识别，如对特定动作摔倒进行可靠估算，可用于独居老人日常生活的监护等，为老年人和特别护理人员提供及时的救助。首先分析了Android平台的传感器API，接着讨论了人体动作信号数据的采集与分类处理算法和方法。最后重点是根据人体的运动特征，通过提取运动时的特征值：超重幅值、连续失重时间、静止状态时加速度振幅均值、摔倒时加速度矢量夹角等，最后使用KNN (邻近值）算法进行实时处理。实验表明，该算法对传感器的放置方位基本上无要求，选取日常动作和摔倒动作的加速度特征量进行测试，平均响应时间小于5秒，平均准确率达到90%以上。目前，由于人体动作识别的复杂性，对其的研究尚处于探索阶段，本文的研究成果将为这项技术的发展起到一定的推进作用。