在大数据时代，动作模式识别技术被广泛应用于竞技体育、健康检测和医学研究等领域。传统的动作模式识别技术大多基于视觉的图像处理来进行实现，价格昂贵的器材以及苛刻的环境条件成为限制其发展的一个重要因素。随着微机电系统(Micro-Electro-MechanicalSystem,简称MEMS)的发展，MEMS惯性传感器集成度越来越高，价格越来越低，精度不断提升，因此基于MEMS惯性传感器的人体动作模式识别获得了越来越多的关注。本文研究了基于可穿戴式传感器的人体动作模式识别方法，并结合动态时间规整算法（DynamicTimeWarping,DTW）实现人体动作的识别和分析。研究内容分为以下几个方面：　　首先设计一套可穿戴式的人体运动信息采集装置，该装置的感知系统主要为三轴加速度计、三轴陀螺仪、三轴磁力计等惯性传感器和足底压力传感器。结合底层和上位机软件设计实现人体运动过程中相关运动信息的采集。　　其次对人体骨架模型进行分析，基于四元数和旋转矩阵对人体运动学进行描述。通过提取运动过程中的相关特征信号，对人体日常动作进行分析和数学表示。为后续动作模式识别算法打下相关基础。　　最后提出一种基于动态时间规整的人体动作模式识别算法。该方法首先采用决策树理论对人体基本特征状态进行识别。其次利用人体基本特征状态实现人体基本动作的分割提取。最后结合动态时间规整算法实现人体动作模式的识别。实验结果表明该方法具有良好的识别效果。