基于可穿戴传感器的老年人动作识别作为人体动作识别领域的一个新兴的研究方向,具有深远的社会意义和广泛的应用前景。本文针对老年人动作识别中数据的采集和存储,动作数据的切割处理和特征提取以及动作分类等关键技术进行了深入研究。由于客观条件以及人体运动的复杂性,老年人动作的多变性和不稳定性,使得老年人动作识别研究存在许多亟待解决的问题,包括无约束老年人动作数据采集装置的构建;老年人动作数据的存储问题,老年人动作数据的处理以及最关键的老年人动作识别的泛化性能的提高。基于以上几个问题,本文主要进行了以下研究工作。本文为实现自然条件下无约束的人体动作信号的采集,提出了基于柔性传感器和加速度传感器的老年人动作采集装置。该装置通过位于腰部的惯性传感器获取运动过程中的加速度参数,安装于双膝的柔性传感器测量运动过程中双膝的弯曲度。采集装置中的柔性传感器采用柔性材料制作而成,具有贴合人体,重量轻便,穿着舒适,对膝关节运动限制小等特点。本文对于采集的大量的老年人动作信号采用构建数据库的方法进行数据的存储和查询,为后续的动作分类识别提供合适的样本生成训练集,并为进一步研究老年人健康监护系统打下基础。对于老年人动作数据处理,研究了一种基于快速傅里叶变换(Fast Fourier Transformation,FFT)的自动切割算法。该算法将老年人的动作分为两类,连续型的跑步,步行动作以及非连续型的坐,上床,起床动作;随后结合快速傅里叶变换确定运动围绕的平衡位置,采用滑动创口技术判断信号波形变化趋势,确定切割点,从而实现对整个信号的切割;最后运用小波算法进行特征提取。在基于可穿戴传感器老年人动作识别的研究中,提出了通过Stacking集成多个随机森林和朴素贝叶斯学习器,并对样本采用自主采样法进行数据扰动,对特征采用随机子空间法进行特征扰动,进一步扩了训练系统的多样性。柔性传感器性能对比实验、数据切割效果分析实验以及分类器算法对比试验都为老年人动作识别研究提供了有利的实验数据。基于可穿戴传感器的老年人的动作识别关键技术的研究对老年人健康监护,临床医学研究,下肢康复治疗都有着极其重要的实用价值和理论价值。