人体动作识别研究涉及了很多学科,比如计算机视觉、机器学习、模式识别、信号处理、数字图像处理、人工智能等,具有非常重要的理论研究价值。同时人体动作识别技术也有很广阔的应用前景,可以应用在监控系统、视频分析、智能机器人、人机交互等许多领域。由于人体形态差异及运动习惯的不同,在不同情况下相同的动作变化差异较大,然而不同的动作之间也可能变化差异较小。同时视角变化、光照条件、遮挡等问题都会影响识别的结果。因此,人体动作识别研究面临的挑战和困难非常大。本文基于Kinect体感设备获取的三维骨骼追踪数据,重点研究室内的人体日常动作识别问题,并设计了一个动作识别系统,主要研究工作如下：1)人体动作识别研究中最关键的步骤是提取动作特征和选择识别算法。本文采用Kinect体感设备获取深度图像,并通过其SDK获取20个人体骨骼点的三维位置信息。在此基础上,提出了一种基于形状直方图的特征提取方法,该特征具有缩放和平移不变性。2)在选择识别算法的研究中,通过分析动作特征的特点,发现人体动作是一系列的时空连续的静态姿态,相当于是可观察的输出状态序列,因此选用隐马尔可夫模型(HMM)进行训练和识别,提出了一种基于HMM模型的动作识别算法。3)为完成研究工作,本文设计并实现了一个动作识别系统,同时建立了一个室内动作数据库,包含不同的人在不同的视角下完成的7种类型的动作,并在此数据库和公开的MSR-Action3D数据库上进行了大量的实验测试。实验测试结果表明提取的动作识别算法取得了良好的识别效果,证明了设计的动作特征提取方法和动作识别算法的可行性。