加速度在生活中随处可见,通过加速度就能识别人体动作,并且随着微电子机械系统,特别是传感器的快速发展,利用加速度传感器采集加速度数据并进行人体动作的识别受到越来越多的关注。识别人体动作对于老年人,主要运用在健康监测、跌倒检测和康复训练等方面。识别人体动作对于年轻人主要运用在运动监测、人机交互和定位及导航等方面。除了这些,识别人体动作在其他领域也有重要的研究意义和广泛的应用价值。本文首先介绍了人体动作识别的研究背景、国内外发展现状,然后介绍了基于加速度传感器的人体动作识别中数据采集系统、信号分析方法和分类算法等技术。虽然基于加速度传感器的人体动作识别已经进行了很多有意义、有价值的研究,但是在基于加速度传感器的人体动作识别的准确率提高方面,仍然有很大的提升空间。因此,本文提取了一种新颖的基于多图的人体动作识别算法。本文通过深入研究加速度信号的结构和性质,提出了经过数据预处理、特征分析、多图表示学习、多图嵌入学习、k近邻分类的人体动作识别框架来完成动作分类。并在验证完算法的可行性和有效性后,通过分类器k近邻和SVM进行比较,结合不同特征、不同部位的加速度数据进行动作识别,提高人体动作识别的准确率。本文采用公开的数据库SCUT-NAA,实验结果表明,在k近邻分类的情况下,相比于PCA、LDA、LPP、SLPP、LSDA和MFA,这6种能统一于图嵌入框架中的降维方法,本文算法的平均识别率为83.1%,高于这6种方法。