随着社会与科技的发展,智能手机、手表等智能产品成为了人们日常必备的生活用品。与此同时,人们对自身与家人的身体健康与运动状态的情况也提出了更高的要求。目前,结合智能可穿戴设备进行人体姿态识别的研究尚处于初级阶段,研究成果也相对较少。在此背景下,本文通过对人体运动姿态识别方法的研究,围绕人体运动时通过智能可穿戴设备对加速度时间序列数据的采集、数据预处理、特征提取并以基于加速度信号的人体运动姿态的识别方法作为重点进行了研究。本文的主要研究内容和作者工作如下:1.为了满足基于时间序列的人体运动姿态识别的研究要求,本文介绍了基于加速度传感器的数据采集方案、特征提取方法并通过大量文献资料总结了常用的人体运动姿态识别方法。2.提出了基于DTW距离的加速度时间序列数据的相似性度量的人体姿态识别方法,即计算每个人体动作姿态加速度数据时间序列间的相似度,最后结合最近邻算法对人体常见的各种运动姿态进行识别。实验结果表明,该方法达到了很好地识别效果。3.为解决时间序列间距离度量计算误差过大和保证时间序列缩放平移的不变性的问题,提出了一种基于DTW的shapelets特征提取算法,即将DTW度量时间序列间距离与shapelets特征提取相结合,并通过实验验证7种不同的数据集,均得到了很好的准确性。4.设计了基于LSTM的人体运动姿态识别模型,使用UCI人体动作数据集包含的6类人体日常生活中的常见动作集并采用shapelets特征提取方法对该数据集进行转换,最后利用TensorFlow平台进行模型的搭建和训练。实验结果表明,基于LSTM的人体运动姿态识别模型对于人体日常生活中的6类动作均取得了不错的识别效果,对于特殊的跌倒状态在使用的数据集上达到了100%的识别准确率,有效地说明了本章中基于LSTM的人体姿态识别具有显著的效果和一定的实际意义。