人体动作识别是模式识别领域一个研究热点。它通过计算机对传感器采集数据进行处理和分析,学习理解人体动作和行为,并做出相应决策。它被越来越多应用到体育运动等领域中,给予用户个性化的运动评估方案,从而帮助人们提升运动技能、增强人体健康。近年来,随着可穿戴计算快速发展,基于可穿戴惯性传感器的人体动作识别吸引了大量研究学者。相对于光学式传感器,可穿戴惯性传感器具有低成本、小尺寸、应用范围更广、不存在空间限制和遮挡、更好地保护用户隐私等诸多优点,可以使用户获得更大的自由活动空间,更适合应用在体育运动中。乒乓球运动是一种流行的球类体育运动,受到世界各国人们的喜爱和追捧,尤其在我国拥有最庞大的群众基础和深厚的文化底蕴,推动着全民健身和全民健康深度融合。而目前关于乒乓动作识别和评估系统的研究较少,所以本文利用可穿戴惯性传感器来构建低成本、低延时、高准确性的人体动作识别与评估系统,用于复杂乒乓动作识别和评估。本文主要研究工作如下:（1）基于Socket Async Event Args类实现高性能网络服务端应用程序本文使用Socket Async Event Args类提供的异步事件、对象池技术,数据缓冲池、减少运行时线程频繁的创建与销毁等技术来实现高性能网络服务端应用程序,解决了简单Socket应对多客户端节点高并发数据通信能力的不足,同时设计实现了多传感器数据的同步策略。实验证明,基于Socket Async Event Args类实现高性能网络服务端应用程序在低成本硬件设备上也能获得稳定的通信能力和低延时的数据传输效果。（2）提出窗口分割点检测与关键帧提取方法本文基于正态分布的“3σ”原则,给出了惯性数据关键帧的定义。提出窗口分割点检测与关键帧提取方法,用于从实时惯性数据流中进行窗口分割获取有效的关键帧数据,并通过均值和差值的两种阈值判别算法分别实现。实验表明,该方法能够较为准确地从实时惯性感知数据流中提取到动作关键帧,去除大量冗余数据,对运动动作检索、分析和实时识别起到重要作用。（3）改进的Inception网络结构用于多维度特征提取本文在Inception网络结构中2维卷积的基础上,增加了1维卷积用于提取惯性数据在时间序列上的特征,扩展了特征图的维度并且增强数据表达能力和泛化能力。实验表明,在卷积神经网络之前加入改进的Inception网络可以明显提高人体乒乓动作分类准确率,显著提升相似乒乓动作的识别效果。（4）提出人体乒乓动作评估方法本文对整体乒乓动作和局部动作与标准动作之间的相似性进行评估。将乒乓动作分类结果概率值用作评估整体动作与标准动作之间的相似性。人体局部动作评估是利用余弦相似度算法,计算每个传感器特征与标准特征向量之间的相似性作为局部动作评估结果。实验表明,本文提出的人体乒乓动作评估方法对乒乓动作的评估结果是具有一定准确性和指导意义的。（5）高性能乒乓动作云识别和评估系统基于软件工程基本理论,完成对高性能乒乓动作云识别和评估系统的可行性分析、需求分析、系统架构和主要功能概要设计、系统功能实现和系统部署等工作,最终实现一个具有较好鲁棒性,能够稳定运行的系统。综上所述,本文对可穿戴惯性感知乒乓动作识别过程中的数据采集、窗口分割点检测与关键帧提取、人体乒乓动作建模和人体乒乓动作评估方法进行了研究,在此基础上实现了高性能乒乓动作云识别和评估系统。