当前时代是人工智能高速发展的时代,人机交互技术也随着人工智能技术的发展,已经进入白热化阶段,而动作捕捉技术作为人与计算机自然的、多模态的交互技术的一个重要分支,在近几年发展迅速。本文结合惯性传感器,设计并实现了一种基于骨骼点姿态信息对人体运动进行识别的系统。该系统通过采集位于人体主要骨骼点的传感器数据,通过多蓝牙配对传输的方式传输到上位机,利用支持向量机对人体运动进行分类,实现对一般人体运动的识别。该系统轻巧便捷,使用方便,对环境适应性强,且成本较低。在本文中,首先调研了国内外研究学者对人体运动分析与识别技术的相关工作,然后,介绍本系统在设计过程中涉及到的相关知识和基础理论,并由此设计实现了一种基于人体骨骼点姿态信息的运动识别系统,针对不同功能模块的设计需求和特点进行了详细的研究。首先,针对本系统多节点、实时性、动态性、识别方便的特点,根据姿态传感器解算理论、校准技术、传感器组网技术等,确定了以MPU6050和蓝牙无线传输为主体的硬件实验平台。其次,根据人体运动姿态特点,在低成本的前提下,结合实验环境,设计了合理的数据采集方案,并使用该方案采集人体运动姿态信息,构建人体骨骼点姿态信息的运动数据集。最后,对采集的骨骼点姿态信息进行分析,通过支持向量机等机器学习分类算法对运动姿态进行分类训练,并对不同分类算法进行比较。整个系统从模块化、轻便化出发,有机地整合各关键技术,设计了基于骨骼点姿态信息的人体运动识别系统。实验结果证明,该系统采集节点的姿态数据能够通过多蓝牙直连的方式进行采集,能够保证实时性。利用该系统采集不同测试者的运动信息组建的人体运动数据集,可以通过多种分类方式进行分类,且不同的动作识别准确率都较高,能够满足设计系统设计需求。在基于1762组数据的测试中,利用支持向量机进行分类训练,人体运动识别准确率达到88%,其中静态动作分类准确率能达到90%,动态动作分类准确率能达到80%。该系统轻便简洁,使用简单,克服了有线采集方式的空间局限性,可应用于康复治疗、运动训练、虚拟交互、特效制作等领域。