随着微电子技术和传感器的进一步发展，传感器能够广泛的嵌入在移动手机设备、便携式设备等方面。利用加速度传感器进行人体运动监测具有广阔的应用前景。一方面，人体日常运动行为与个人的身心健康息息相关。对人体的日常运动进行监测，对于制定科学的运动健身计划，改善身体健康状况具有重要意义。另一方面，对人体异常运动进行监测也具有很实用的价值。意外跌倒这种异常运动能够给人体带来一定的伤害，对跌倒进行实时的监测能够给跌倒者提供及时的帮助，降低跌倒带来的风险。针对利用多传感器融合监测人体运动所带来的计算量大、算法响应时间长的问题，本文提出了基于单个加速度传感器的人体运动识别机制。本文重点做的工作：1.分析总结了基于加速度传感器的人体运动监测领域的研究理论以及常用的研究方法，按照统计模式识别的流程，分别对数据采集、预处理、特征提取和选择、分类识别等各个模块进行了分析。2.提出了一种基于加速度传感器的人体日常运动识别机制。通过比对加速度传感器竖直方向数据波形的波峰前阈值、波谷前阈值以及峰谷之间的时间间隔三个特征值，并结合了决策树分类原理实现了对下蹲、起跳、跑等动作的精确识别。3.提出一种人体跌倒检测算法，该算法通过提取跌倒过程中的人体运动特征，重点利用加速度传感器三个轴的相关性对向前跌倒、向后跌倒、左侧跌倒、右侧跌倒四种跌倒行为进行有效区分。实验结果表明，本文对人体运动行为的平均正确识别率达到了90%以上，具有一定的实际应用价值。4.设计并构建了一个人体运动状态监测系统，详细阐述了系统的功能架构，分模块介绍了系统的具体实现流程。