在科学技术迅速发展的今天,人体运动追踪技术这一长久以来的研究热点已在我们的日常生活中随处可见,如电影拍摄、体感游戏、智能导航等。智能手环等各类智能产品更是屡见不鲜。仰赖于各类灵敏而精确的传感器,这些智能产品能够很方便地获取我们的体温、心率、移动距离等体感信息,极大地提高了人们的生活水平。但是,传统的金属或半导体传感器在柔性和穿戴舒适性上都有所欠缺,同时,考虑到人体特殊的复杂性和灵活性,这使得易携带、精确度高、灵活性好的传感器在运动追踪技术中仍然具有很大的研究价值。针对当下研究和实际应用中对于柔性可穿戴传感器的需求,本文借助蚕丝蛋白传感器、Arduino、Kinect等设备和技术构建了一种基于蚕丝蛋白传感器的运动追踪技术,以推动柔性可穿戴设备在运动追踪领域的进一步应用,丰富运动追踪领域的相关研究。其中,Arduino单片机组建电路以采集蚕丝蛋白传感器所捕获的电阻数据,Kinect技术辅助获得人体关节运动角度数据。通过对上述数据进行关联关系建模,本文利用Unity 3D完成了对于肘关节运动的动态追踪和虚拟场景建模工作。更进一步地,本文进行了角度预测回归实验和针对手臂力量训练的分类实验。在用于角度预测回归的实验中,本文对不同的回归方法进行了对比,并采取了最佳的回归分析方法进行后续的追踪模拟;在针对手臂力量训练的分类实验中,本文分别采用了基于决策树及基于神经网络模型两种分类方法,为使用者提供数字化测度与分析,验证了本文提出的运动追踪技术的有效性。