随着科技不断进步,人体姿态识别技术也取得了长足的发展,其广泛地应用于医学工程、娱乐游戏、影视制作等领域。为研究人体姿态,采用加速度惯性传感器制作一套可穿戴设备,运用于人体姿态识别研究领域。基于可穿戴式惯性传感器姿态识别研究不同于基于视频以及光学传感器领域识别。其具有较好的识别率和实用性。本研究系统主要是分为两部分,第一部分为人体姿态数据采集子系统;第二部分是上位机人体姿态识别子系统,包括数据处理、识别以及数据库。本系统中,数据采集子系统主要是将9个点的惯性传感器安置在人体九个部位进行人体姿态数据采集,并将数据发送给接收器;上位机人体姿态识别子系统则通过接收数据采集子系统数据,对其进行数据处理,并对相应姿态识别分类。首先,本文对数据采集子系统进行需求分析,确定该子系统主体框架。再对人体运动学做了简单分析,确定本系统为采集加速度传感器数据。通过简单分析人体动作各种变换,结合人体刚体模型,建立数据采集格式包;并通过实验分析确定使用9个点,也即是对人体9个部位进行数据采集。提出伪RGB数据融合法。通过采集9个部位加速度传感器数据,并以数据包形式,使用无线串口将数据发送,组成人体姿态数据采集子系统。其次,本文分析了人体姿态识别子系统需求,实现数据接收、数据处理、网络训练、动作识别以及建立数据库五个部分,使用Python语言建立可视化程序界面。数据接收通过上位机无线串口模块接收数据,并保存为CSV数据文件;数据处理首先对数据降噪并提取时频域信息;网络训练通过使用Python下的TensorFlow深度学习框架对本文提出的改进卷积网络算法实现,保存训练后的网络模型;通过对已保存网络模型进行解析以及输入目标数据进行识别动作。然后,本文提出了基于残差网络思想而改进的卷积网络,通过实验与传统卷积网络相比,本文提出地改进卷积网络效果更好,其识别率能达到98%。最后,本文对系统做了整体测试,通过整体测试,该系统能很好的识别出坐、跑步以及上楼梯动作,达到预期的目标。