随着科技水平与社会需求的日益提升,动作捕捉与识别已广泛应用于医疗、影视、体育等诸多领域,相较于视觉动作捕捉,基于体感网的人体动作捕捉与识别具有低延时、灵活便携和不受环境限制等优点,其已受到市场和众多学者关注与研究,具有重要的科研意义和商业价值。针对现有的体感网系统普遍存在性价比低、接口不开放、使用复杂等缺点,本文以设计高性价比、低功耗、使用简便的运动可视化与识别平台为目标,构建基于Wi Fi通信技术的体感网动作捕捉与识别系统,主要做了如下工作:首先,设计与实现基于Wi Fi技术的无线低功耗体感网系统。在分析基于体感网的人体动作捕捉与识别应用需求基础上,按照自顶向下的设计原则,完成对体感网系统总体方案设计与系统模块划分,分别设计软硬件子系统。硬件子系统完成数据汇集节点和无线传感器节点的电路原理图设计、PCB板绘制以及嵌入式Linux系统内核编译与移植;软件子系统设计与实现系统通信、数据采集与存储、无线传感器节点管理等模块。然后,实现单节点位置和姿态解算。应用互补滤波算法融合多传感器数据实现九轴姿态解算。通过与商业九轴传感器姿态解算结果对比,本文的姿态解算精度和速度符合系统需求。为了减小积分误差对位置解算精度的影响,根据物体空间追踪理论模型重建位置和速度,实验验证了该方法提高了位置解算精度。接着,实现人体动作存储、管理和显示。将体感网采集到的人体原始运动数据转换为人体特征动画文件格式（BVH）数据,并通过Javascript和其图形库three.js解析和可视化BVH数据,实验验证该方法有效且灵活地实现了动作可视化。为了提高系统的可用性,本文还搭建了一套前后端分离的管理系统,负责体感网节点管理、运动数据管理、人体骨骼模型管理以及体感网模块控制等交互业务功能。最后,基于DTW-k NN多传感器数据融合识别步态时相。设计了ISDTW算法用以解决DTW的奇异点问题,较以往改进方法免去了参数设置而且提升了DTW相似性度量效果。根据k NN聚类算法的特性,应用剪枝思想,减少了在步态时相识别中DTW运算的次数,降低了整体算法的时间复杂度。实验表明本文提出的ISDTW-k NN较DTW-k NN在准确率和算法耗时两方面有明显改进,也验证基于DTW和k NN算法可以有效地识别人体动作。本文通过硬件系统制作、无线通信协议设计、位姿解算、动作可视化以及步态时相识别等方面工作,设计与实现了基于体感网的人体动作捕捉与识别系统。实验结果表明本文设计的系统达到高性价比、低功耗、使用简便等设计目标,在体育规范化训练和病人康复治疗等领域具有实际应用价值。