运动分析技术是一个很广阔的领域，其涉及到计算机视觉、人工智能和模式识别等诸多领域，是一门交叉性很强的学科。由于它有很高的应用价值，所以其一直是研究的热点，近些年来从运动分析技术中又衍生出了一个研究热点——人体行为识别。人体行为识别技术在体育运动分析、智能视频监控、虚拟现实以及人机交互等领域具有极其广泛的应用前景与经济价值，因此得到了研究者的广泛关注。由于人体运动本身的复杂性以及外界环境的多样性，使得人体行为识别成为了一门具有挑战性的学科，然而目前对人体行为识别的研究还处在一个初级阶段，还有待于进行进一步的探索和研究。本文以乒乓球运动作为研究背景，主要做了以下研究工作：1、首先介绍了运动分析技术的研究意义、背景和发展现状，在这部分中主要介绍了在运动分析领域中一些比较主流的方法以及所用到的核心技术，并由此分析得出了本课题研究的难点及重点，为本文指明了研究的方向。2、研究了图像预处理与运动目标检测技术，首先介绍了图像增强技术，这是实际应用过程中非常必要的一个步骤。然后对目标分割技术进行了分析介绍，提出了使用基于YCbCr色度空间的人体肤色检测方法将乒乓球运动员的手臂，从背景中分割出来，为后续的研究做准备。3、对于目前K-L变换算法只能对静态图像进行识别，还不能够对图像序列进行识别的问题，本文提出了对图像序列进行轨迹合成的方法，并分析验证了这种轨迹合成方法的可靠性，最后利用K-L变换对轨迹进行识别。4、研究了基于轨迹特征的运动识别技术。首先从几何特征和形状特征对特征提取方法进行了分析介绍，并对轨迹做了Hu矩不变量特征的提取，之后再对Hu矩特征进行K-L变换。实验结果表明Hu矩能够作为轨迹图像的有效特征，对轨迹图像的Hu矩特征作K-L变换进行轨迹识别的效果比用K-L变换直接进行轨迹识别的效果要好。