社会的文明程度和人本身息息相关，从社会心理学角度上来说，人们越来越关注自身和自身所处的环境，这势必会促使人们探索一种观察模式来反映自身及周围的情况。人体运动分析与识别应运而生。人体运动分析与仿真、数字娱乐、医疗服务、图像精确定位等等，都离不开人体运动分析与识别，因而具有巨大的经济价值和社会价值。随着计算机硬件成本的不断下降，计算能力的不断提高，人体运动识别更是得到了空前的发展。在计算机视觉的研究领域中，由于它涉及到了视觉计算、机器学习、数字图像处理等多门学科，必将充满各种挑战。近几年来，人们热衷于从视频中研究分析人体的运动，主要包括简单动作的识别，比如人的姿态、表情等。分析过程中，研究方法简便，但是准确度不高，或者研究方法复杂，空间复杂度和时间复杂度高。本文提出了一种新的识别方法-基于双目的人体运动分析与识别。目前的研究表明，关于双目的研究主要集中在空间信息复原上。而本文借助双目的优势，从视差图入手，提取特征来表征相关人体运动信息。同时，为了提高识别的准确率，利用了人体运动的轮廓特征。深度特征和轮廓特征通过一定的特征融合方法组合起来，共同表征人体运动的特点。最后利用相关机器学习算法：朴素贝叶斯分类、支持向量机等，来构建一个人体运动识别模型。本文所做的主要工作如下：（1）从实现场合和所应用的技术方面，研究和分析了视差图，总结比较了一些当今流行的视差图生成技术。主要涉及到了三种立体匹配算法的分析：块匹配算法（BM），半全局匹配算法（SGBM）和图割匹配算法（GC）。通过比较这三者的匹配效果和执行速度，折中选择SGBM来作为本系统的立体匹配算法。（2）在特征提取上，重点对视差图进行了处理。在某些情况下，生成的视差图灰度分布不均匀，本文采取直方图均衡化的方法来处理。使灰度均匀分布。同时经过均衡化处理后，以该视差图的灰度直方图作为它的特征，也能很好的表征该人体动作。（3）基于视差图的特征提取后，选用目前比较流行的机器学习算法-支持向量机，来建立识别模型。构建模型的过程中，用到了LIBSVM软件包，快速方便的解决人体动作识别分类问题。同时还确定了线性、多项式、径向基和S形函数四种常用的核函数的选择。