皮艇是一项很受欢迎的户外运动,随着我国体育事业的发展,皮艇运动逐渐被我国广大爱好者所熟知。但我国皮艇项目起步较晚,与世界强队之间存在较大差距,且在08年北京奥运会后,由于后备人才不足,我国皮艇事业一度陷入低谷期。近年来随着科技体育概念的提出,运动捕捉技术已经广泛应用于体育领域中,用于辅助运动员训练、提高运动员的竞赛成绩、改良技术动作、降低受伤风险。而皮艇作为一项水上运动,运动员活动范围大,现场环境复杂多变,当前皮艇相关方面的研究仍然缺乏有效的水上实船监测手段。本文在前人研究的基础上,提出一种面向皮艇运动的动作捕捉方案。本文的主要研究内容如下:（1）本文基于惯性传感单元（IMU）研发设计了一套面向皮艇运动技术动作监测的可穿戴式动作捕捉系统,以实现对皮艇运动员运动数据的采集,分析及量化评估。为限制陀螺仪姿态估计误差,使用梯度下降法进行多传感器数据融合以实现运动员姿态更新,并提出一种四元数驱动人体骨骼矢量模型的方法对皮艇运动员划桨技术动作进行重构。通过计算出运动员上肢左肩、右肩、左肘与右肘关节角度序列,与光学动作捕捉系统进行对比,结果显示本文研发的动作捕捉系统在测量精度方面可以媲美光学动作捕捉系统。（2）针对传统视频分析法人工标注相位过于繁琐等问题,结合机器学习算法,提出了一种皮艇运动划桨周期相位自动分割方法。按照排列组合原则,将运动员上肢关节角度序列以9种不同的方式组合,研究不同组合方式对四种机器学习算法（Decision tree,SVM,KNN,Bagging）划分皮艇划桨相位准确性的影响。实验结果表明,组合肩部角度序列与SVM算法可以较好完成皮艇划桨动作时相划分的任务,分类准确率可达98.1%,且只需要3个数据采集节点,计算成本较小。（3）在时相划分的基础上实现对皮艇运动员划桨节奏、肢体与腰部技术动作、船体稳定性的精细分析。参照国家队男子皮艇运动员的平均数据,对运动员竞技能力进行量化评估。结果表明本研究设计开发的面向皮艇运动的可穿戴式动作捕捉系统,可以在技术诊断与竞技能力评估阶段为教练员提供更多的参考信息,为皮艇运动运动学监测提供一种思路。