如今计算机技术的迅猛发展带动了其相关技术和产业的进步。为了更方便的与计算机互动,使计算机能够更加智能化,能够更好的为人类服务,人们逐渐加强了对人机交互方面的关注度。其中,随着影视制作、体感游戏、康复医疗、体育教学、舞台表演等方面越来越受到人们的关注,吸引了大批的研究人员对其核心内容动作识别技术进行研究。在动作识别的过程中,我们首先要获取动作数据信息,但是由于运动捕获数据信息无论是在时间上,还是在空间上都包含巨大的数据量,从而导致每一帧数据之间存在大量的冗余信息。不仅如此,人体运动具有随意性,而且对实时性和准确性都有很高的要求,这些都给人体动作识别增加了难度。因此,解析动作数据,提取有效特征值,进而准确识别出人体动作是人们要解决的重点内容。本文从人体动作的特征提取方法和识别方法两个方面入手,对人体动作识别的理论和方法进行了深入的研究分析。分别从重建误差和特征概括两个角度出发,分析并构建了重建误差最小化和特征概括最大化模型,然后利用人工蜂群算法对模型进行优化求解,并提出了一种基于人工蜂群算法的运动捕获数据关键帧提取方法,实现了对运动捕获数据中所包含关键特征的有效提取。而后,利用所提取的关键帧和动态时间规整(DTW,Dynamic Time Warping)算法实现了对运动捕获数据的动作识别,并进行了仿真实验,验证了算法的有效性。最后,将所提出的关键帧提取和动作识别算法与舞台背景切换相结合,利用微软Kinect搭建了基于动作识别的舞台背景切换系统,基于Unity设计了相关的软件系统,利用本文提出的算法实现了动作识别和舞台背景交互。