随着科学技术与人类生活水平的提高,关于人类运动的研究日益深入。对于人体动作的研究是其中重要的一个方面,不仅对人体健康意义重大,在动画产业、军事领域也起到了促进作用。尤其是微处理器与人工智能的发展,更加加速了人体动作方面相关技术的发展。本文在现有的技术发展基础上,对人体动作相似度计算进行了深入研究。通过将惯性传感器固定在人体部位,随着肢体的运动采集动作数据,利用串口通信将数据传输到服务器,在服务器端利用数据处理相关算法对数据进行孤立点处理、数据拟合、特征提取、特征选择等操作,最终通过机器学习分类模型完成不同动作之间相似度的计算。本文首先对人体动作研究的相关背景、发展现状以及研究意义进行了介绍。接着从人体结构方面对人体骨骼模型、人体动作分类、人体动作表示方法做了相关研究。在对人体结构的研究基础上,设计了人体动作捕捉系统,对系统采集模块、控制模块以及系统搭载的osal操作系统进行了介绍。并利用系统采集人体动作数据,在unity3d系统中模拟人体动作以验证采集数据的准确性。在服务器端研究分析动作数据的特性与变化规律,分别采用均值滤波平滑技术、最小二乘多项式拟合算法、数据归一化等方法对数据进行预处理。利用统计数知识对动作数据提取统计特征,并从数据细节入手,提出了数据子序列相似度计算方法,用于提取数据特征。最后,介绍了提升树分类模型以及本文使用的训练数据集,设计实现了人体动作相似度计算的实验,并从分类模型与人体动作特性角度分析了实验结果。