近年来,基于加速度传感器的人体运动姿态识别逐渐成为了计算机模式识别领域中新兴且活跃的研究方向之一,越来越多的研究人员通过使用加速度传感器在实验环境和自然生活环境中监测人体的运动姿态。人体运动姿态识别主要包含数据采集、数据处理、特征提取和选择、分类器设计等部分。以此延伸开,不同的研究者关注不同的研究点,在经过研究者们不断地努力取得不少的研究成果。采集优质的数据、提取有效的特征和设计高效的分类器是整个人体运动姿态识别过程中的难点和重点。本文主要围绕特征提取和分类器设计这两个点进行了一系列的研究,所涉及的研究工作包括以下几点：(1)因基于加速度传感器的人体运动姿态识别还处于初级发展阶段,目前还没有一个满足所有要求的标准数据库用于识别系统的研究。所以,本文建立了一个简易的数据采集系统,在实验环境下,使用一个集成有三轴加速度传感器的采集器佩戴在测试者的腰部进行数据采集,共采集了6种运动姿态。基于人体运动时不同动作加速度的变化速率不同这个特点,本文提出了两种体现加速度变化速率的特征：近斜率和前后差。(2)引入蜜蜂交配优化算法,提出了一种蜜蜂交配优化的随机森林算法。首先提取原始加速度信号的5种特征,然后构建多个随机森林(也就是蜜蜂),选择最优的蜂王,建立一个最优分类模型,最后对待分类运动姿态进行识别。本文测试了近斜率和前后差的使用频度,并在同等条件下与随机森林算法和支持向量机进行了实验比较。实验结果发现改进的随机森林算法优于所比较的其他算法,但因存在噪声等原因对某些行为还是易于混淆。(3)提出了一种曲线拟合与k近邻算法相结合的人体运动姿态识别方法。首先对加速度数据进行等长同行为分组,然后进行多项式最小二乘曲线拟合,最后以曲线相似度作为距离计算准则,使用k近邻构建分类器对人体运动姿态进行识别。经过多次实验,并与经典分类算法进行对比,结果表明该识别方法可行且有效。总体来说,基于加速度传感器的人体运动姿态识别还处于发展阶段,该研究内容既具有重要的理论价值,又具有迫切的应用需求,所以值得我们去进行更深入的有效研究,并将之应用于实际。