近年来，随着智能设备尤其是穿戴设备的快速发展，基于智能设备的人体动作识别研究越来越成为当前研究的热点。基于智能设备的人体动作识别技术广泛应用在健康监控、惯性导航、行为建模等领域。　　本文通过对基于智能设备的动作识别研究现状进行分析发现，在使用传统单层次分类模型分类时，部分动作模式之间存在的局部相似性是制约人体动作识别精度的一个重要原因。具有局部相似性的动作模式之间产生的错误识别在整个分类系统中占有绝大的比例。本文通过对人体常见动作模式进行分析，论证动作模式之间存在的局部相似性，提出通过应用层次化分类降低相似模式之间的识别难度，以达到提高相似模式之间的识别精度的目的。　　基于以上想法，本文描述并评价了一种基于层次化分类模型的动作识别。为了实现层次化分类模型，本文基于人体活动之间的相似度提出一种合理有效的模式聚类算法，并通过模式聚类算法来设计层次化分类模型的层次结构。同时，本文定义了基于混淆矩阵的混淆率的新概念。本文通过混淆率来衡量模式间的相似程度。　　本文最后对层次化分类模型进行了测试并与单层分类模型进行对比。测试结果显示:在应用了层次化分类模型之后，动作识别准确率提升了3.5％左右。