随着社会经济飞速发展,人们生活水平日益提高,现代人越来越关注自身的健康问题,想要通过各种运动来达到强身健体的效果。其中球类运动（羽毛球、网球、乒乓球等）深受广大健身爱好者喜爱。同时,随着Kinect在人体骨骼追踪算法上的突破和深度学习的兴起,使得基于关节点数据和深度学习方法的人体姿势识别的研究逐渐成为了一个新的研究趋势。目前球类运动的姿势识别在动作复杂性和研究数据方面都有很大的挑战性,同时该研究也具备极为重要的应用价值。因此,本文以羽毛球运动为代表,结合对现有的人体姿势识别研究的分析和总结,以关节点序列和LSTM神经网络为基础,开展了对人体球类运动姿势识别问题的研究。本文的研究内容主要包括:（1）针对Kinect对人体骨骼关节点数据采集时可能存在识别错误或者丢失的问题,提出了一种基于骨骼长度和运动连续性的关节点信息处理方法。该方法能够对关节点信息的可信度进行评估,并对检测出存在误差的数据进行修复。通过对误差数据的修复处理,能够获得更加有效的关节点信息。通过实验证明,该方法能够有效地提高球类运动姿势识别的准确率。（2）为了充分地获取球类动作姿势间互相关联的特征信息,提出了一种基于LSTM-Attention网络的球类运动姿势识别方法。该方法首先对关节点信息进行基于角度和相对距离的特征增强预处理,以此来丰富特征信息和提升网络的收敛速度。其次,将LSTM与注意力机制结合对球类运动姿势进行识别分类,从而进一步对序列中较深层次的特征信息进行挖掘。同时,通过在网络中引入dropout来减少网络过拟合情况。该方法在提升网络训练效率的同时,也有效地提高了人体球类运动姿势识别的准确率。（3）设计并开发了基于Kinect的球类运动姿势识别系统,该系统主要包括球类运动数据采集、处理以及分析三个模块。系统能够自动采集球类运动姿势的关节点数据,并对获取到的数据进行处理,然后由球类运动姿势识别网络输出用户的姿势预测结果。系统会根据结果给出相应的动作对比图进行分析,从而帮助用户提升球类运动姿势的规范程度。