随着时代的发展，姿态分析和识别技术也不断发展，其应用范围也不断扩大。在本文中，提出了一种新的方案运用于人体姿态分析和识别，与传统的姿态捕捉技术不同，基于可穿戴惯性传感器的人体动作分析与识别是模式识别的一个新兴领域，克服了传统基于视频的动作识别的诸多缺点和限制，具有更高的可操作性和实用性。其实质是通过固定在人体特定部位的惯性传感器采集人体的动作信息，通过无线传输模块传到PC机，进而对数据进行预处理、特征提取和选择、动作分类。在医学康复工程、体感游戏领域、影视作品创作、虚拟现实、专业姿态分析等许多方面，人体姿态分析和识别技术获得越来越广泛的应用于并产生巨大的价值。
　　本文首先对人体行为做了系统分析，明确了本文基于惯性传感器的采集方案，并对采集行为数据格式做了细致的分析。在此基础上，分析了人体关节、人体模型、关节角以及动作角，并将姿态角应用到人体行为分析中，明确了髋关节姿态角作为识别的原始数据。进而明确了人体结构和多刚体模型，并将其做了简单改进，确定了15个部位作为传感器佩戴位置，利用基于惯性传感器的动作捕捉系统对动作数据进行了采集，并建立基于惯性传感器的数据库。
　　其次，通过对生活中人们的各种姿态的归纳、总结、分析以及深入研究，进而规范了数据库的数据采集和采集条件。然后，借用算法这种手段，对运动特征和数据预处理进行了识别和提取。当然还要想到外部噪音的影响，针对原始数据进行预处理操作，去除掉和正常值相比有偏离，与巴特沃斯低通滤波是考虑采取行动的人通提取特征点的多维姿态角数据。最后用基于动态时间规整方法进行了动作识别，给出了于惯性传感器的各动作的识别率，并与基于统计分析算法隐马尔科夫模型识别方法作对比进行对比分析。本文主要贡献是在三方面进行了创新。第一，建立基于惯性传感器动作数据库，并提出了对动作数据预处理的方法和流程；第二，提出了以髋关节位置的姿态角主要识别特征，明确了关键特征帧提取算法，得到了符合状态空间的特征序列；第三，提出了基于动态时间规整识别算法，达到了利用多传感器对人体姿态识别的目的，同时使惯性传感器对存在于空间中的多样姿态识别率有所提高。