随着计算机和多媒体技术的快速发展,计算机视频图像分析成为备受关注的研究领域,在军事、交通、医学等方面得到广泛地应用,并促使人工智能、模式识别等领域的研究向更高、更深层次发展。而对人体行为的视觉分析是视频图像分析领域内一个极富挑战性的课题,它包括人体目标检测、人体跟踪、人体运动识别和行为理解与描述等方面,涉及到了图像处理、模式识别等复杂学科。把人体行为的视觉分析技术应用于体育科学,对运动员的运动姿势进行自动识别与跟踪,有助于对运动员的科学训练和技术诊断,这一领域的研究内容已受到国内外研究者的广泛关注。本文研究目的在于通过对跳水比赛视频中人体运动目标的分割,人体姿势的分析,最终达到在动态场景中对人体空中姿态的分类识别。研究成果可以在体育比赛自动评分、运动分析、运动分类等领域中得到应用。论文中介绍了人体运动识别中涉及到的基本理论和方法,分析了跳水视频中运动姿势识别的特点和难点,重点提出了场景复杂并且存在全局运动的视频运动目标分割方法,以及通过多特征融合对跳水比赛视频中空中姿势进行分类识别的有效方法。主要研究内容由目标分割和姿势识别两部分组成,具体方法如下：目标分割阶段,在应用Lucas_Kanade光流法估计全局运动和目标运动区域之后,利用肤色在YCbCr颜色空间中的分布特点,在目标运动区域检测出肤色区域,即得到运动目标的精确位置和形状,通过投影方法消除噪声,即可分割出运动目标；在姿势识别阶段,通过对分割得到的目标提取颜色特征、矩形特征、面积比、SIFT多种特征,使用基于概率输出的支持向量机(SVM)对跳水比赛中每一种空中姿势进行分类识别。实验结果表明采用本文方法能够较好地分割出运动目标,并且对跳水比赛中每一种空中姿势的都达到较高的识别率,鲁棒性较好。此外,在与其它的分割和识别方法的结果进行对比之后,表明在跳水比赛视频的识别中,本文方法更为准确有效。