随着当代计算机科学与技术的高速发展，计算机视觉及其相关领域的研究越来越热门。视频中的人体动作识别作为计算机视觉领域的一个重要分支，也越来越引起研究人员的重视。虽然现有的一些人体动作识别算法在实验中也能够取得不错的识别效果，但是这些算法在使用中都会受到各种各样的限制，如光照、障碍物等，目前还不存在一种能够广泛应用于现实生活场景中的人体动作识别算法。因此，相关研究人员仍然在不断地进行创新与探索，试图寻找到一种鲁棒性强的人体动作识别算法。本文针对上述问题，进行了深入研究，提出一种基于人体骨架模型并使用角加速度的动作识别算法。主要工作如下：（1）基于现有的视频中人体动作识别算法，设计了一种基于人体骨架模型的特征提取方法。该方法的基本思想是使用一系列的人体姿势描述人体动作，并使用人体骨架模型来表征人体姿势，用来描述人体骨架模型的特征是人体关节角及其角加速度的组合。（2）根据上述特征提取方法的特点，选用隐马尔可夫模型作为人体动作分类器，并选用CMU图像实验室提供的动作抓取数据库作为训练数据集。（3）根据上面提到的特征提取方法和分类器，实现了一个基于人体骨架模型的动作识别算法。（4）分别在CMU动作抓取数据库和Weizmann分类数据库上对该算法进行测试，并分析测试结果。本文所提出的这种基于人体骨架模型的动作识别算法具有尺度无关性、坐标系无关性、移动无关性和旋转无关性，是一种相对稳定的算法。实验结果表明，该算法对人体动作的识别准确率较好，在CMU动作抓取数据库上平均识别精度可达93.26%，精度方差为3.2410-4；在Weizmann分类数据库上平均识别精度也可达到90%。另外为了验证角加速度特征在动作分类中的重要性，本文还对比了不考虑角加速度的算法和考虑角加速度的算法对动作识别的精度，通过对实验结果的对比，可以发现使用角加速度的算法比不使用角加速度的算法的识别准确率平均提高4.66%，其中对于“跑步”这个动作的识别精度提升最为明显，提升率为6.41%。