基于3D骨架数据的人体动作分类识别因其在娱乐、监控、人机交互等领域的广泛应用而有越来越深入的探索和研究。然而,现有的特征提取都是针对动作的完整骨架数据来进行,需要得到完整动作后才进行动作表征的提取,导致特征提取在分类流程中计算量大、分类延时较长。此外,相同动作执行的快慢不同以及不同动作之间固有长短不一,采集得到的动作数据包含的骨骼数据帧数长短不一致,需要表征编码方法将提取的动作表征进行变换从而得到统一维度,以满足后续分类推理系统输入维度相一致的要求,这增加了系统的复杂度。为此,本文提出一种在几何代数框架上基于3D骨架数据的人体姿态朝向特征描述符及可实时在线进行的集成人体动作分类识别方法,具体如下:1.几何代数具有坐标系无关的特性,其能将几何与代数结合起来,能直观描述及高效计算空间中刚体的旋转,鉴于人体是由可视为刚体的骨骼在空间中由关节铰接构成,将欧氏空间的骨骼数据映射到几何代数空间,并在几何代数空间计算提取人体姿态朝向特征描述符,其由人体最具有信息量的骨骼朝向和相对于躯干骨的角度组成,具有可解释性强、计算效率高的特点,其分类鉴别力强,能较好的表征人体姿态。2.提取出人体姿态朝向特征描述符后,利用人体动作数据集中的每一帧作为输入训练人体姿态分类器,在动作分类识别过程中,将待分类的动作序列依次通过训练好的分类器进行预测从而得到一个分类结果序列,同时运用集成方法将分类结果序列进行集成,最终取类别数最多的动作类别作为分类的结果。基于人体姿态朝向表征的集成人体动作分类方法具有流程简单、分类准确率高并可实时在线进行动作分类识别的优点。本文分别使用公共数据集SYSU-3D-HOI和在研究期间采集的骨骼数据集SZU-3DSOEARD进行单帧分类和动作分类实验,实验结果表明提出的人体姿态朝向特征描述符对人体姿态具有较好的鉴别力,提出的集成人体动作分类识别方法具有流程简单、分类准确率高、实时性强的特点,可实时在线的进行人体动作的分类任务。