近年来,随着计算机视觉技术和图像采集技术的发展,以及CPU/GPU等相关硬件性能的不断提高,越来越多的计算机视觉技术被应用于工业生产和实际生活中。而随着人们生活水平的不断提高,越来越多的人对体育运动产生了浓厚的兴趣,投入了大量的时间、财力到运动中,并希望借助于一些运动分析设备对自己的运动提供帮助。因此,基于计算机视觉技术的运动分析应用得到了许多人的青睐。然而,目前市场上存在的一些基于视觉的运动分析软件,都只有一些简单的自动功能,并不能完全自动地对用户的动作行为进行分析、处理。为此,本文提出了一种新的面向视频流中动作识别的目标分类方法,可以实时地对视频流中人体动作进行分类识别,自动地识别到是否有特定行为动作发生。通过大量实验证明,本文提出的方法可以实时地、准确地识别出视频流中特定动作的发生。本文的具体研究内容有：(1) 将最新的人体检测方法应用于本文所研究的人体检测与动作分类问题中,并通过对原始方法的改进,有效地提高了分类准确率,特别是在自然场景下,在我们自己的数据集上对特定视角的人体检测的准确率达到97%。而且可以较精确的定位人体位置,检测结果与人体实际位置的重合率超过95%。(2) 基于对人体检测和动作分类的研究,本文提出了一种新的面向视频流中运动行为识别的目标动作分类方法。通过对连续视频流中的关键动作进行分类得到观测序列,然后对观测序列进行实时分类,识别出特定动作的发生。从而达到从一个连续的视频流中实时识别出特定行为动作的目的。为了验证本文所提出的方法在实际应用中的有效性,我们还实现了一个实时运动视频识别系统,运用本文所研究的方法,可在iPhone 5s上达到30fps的识别效率,对我们建立的数据集中的几种不同的运动视频,均可达到90%以上的准确率。