随着体感设备的成功推出和普及,基于多体感设备的人体行为识别在智能监控,人机交互,人体运动分析等领域得到广泛应用。基于多个体感设备进行数据融合可以解决运动跟踪中的数据不完备等问题。在本论文中,我们对多体感设备的标定,人体运动的描述方法,人体运动数据的融合以及人体行为识别等方面做了细致的分析和研究,并取得了以下成果：(1)研究分析摄像机标定技术。本文首先详细分析了基于针孔模型的摄像机标定的基本原理。在此基础上建立了双目摄像机的成像模型,设计实现了基于张正友标定法的双体感设备摄像头的标定算法,并完成了标定工作。(2)人体运动描述方法的研究。本文首先研究体感设备获取人体运动数据的原理,基于人体运动数据提出了一种描述人体拓扑结构的层次骨架模型并提出了关节点空间取向的计算方法,最后建立了一种符合人体拓扑结构的统一的全局骨架模型并提出了骨架模型的生理与运动约束。(3)人体运动数据的融合研究。本文首先从体感设备的参数进行分析,提出了一种基于Kinect可信度参数的运动数据滤波算法,处理运动数据。在此基础上提出了基于关节点变权重计算的数据融合算法,完成数据融合工作。最后通过分析建立的人体运动模型,提出了基于改进的卡尔曼滤波器预测关节点三维空间坐标位置算法,预测未能捕获的关节点运动数据。实验结果证明通过采用上述算法能够较好的呈现每一帧中人体行为所对应的完整骨架模型。(4)人体行为识别的研究。本文首先分析主成分分析方法,对运动数据降维,提取运动数据的特征。在此基础上,分析SVM分类算法的基本原理,并对SVM多类分类算法进行研究。设计了一种基于PCA与SVM方法相结合的人体行为识别方法,实验结果证明上述算法能够有效稳定的识别人体行为。