人体动作轨迹的采集和识别是近年来的研究热点。人体动作采集可以应用在安全、医疗、通信和动画等领域。近年来,随着机器人技术的发展,动作采集技术也与机器人领域相结合,本文中的人体轨迹采集系统就是为类人机器人平台提供一种人机交互方式。人体动作采集现阶段主要是基于光学系统或基于MEMS传感器的,本文采用的是基于MEMS惯性传感器的方式。而在动作识别方面,有研究者从动态动作图像中提取动作特征进行手势识别,然而由于人体动作的多样性、复杂性或光学遮挡等,这种基于二维图像的动态动作识别存在一些局限。本文中的人体动作轨迹识别系统,利用手势动作的三维空间轨迹进行动作识别,三维空间中的信息更加全面,使得轨迹识别具有更好的鲁棒性。同时,本文将上述两个系统在同一个嵌入式平台上实现,实时完成动作采集与识别。基于嵌入式平台的实现使得动作采集和识别系统具有更广泛的应用场景。首先,本文结合动作采集系统的具体需求,对动作采集系统中的误差进行分析。提出了九轴传感器的误差处理方法,降低误差对姿态解算结果的影响。其次,为了更好地显示及存储人体动作,介绍了将原始关节位姿信息转换为BVH运动文件格式的方法。介绍了本系统显示BVH运动文件的方法。再次,针对动作轨迹识别,提出了一种轨迹分段的方法,该轨迹分段算法可以快速地将原始轨迹分为小段轨迹。介绍了轨迹的特征描述符的计算方法,特征描述符对局部噪声具有鲁棒性。然后,为了在嵌入式系统上实现更快的在线识别速度,提出了一种基于并行前置算法的并行DTW算法。最后,介绍了系统的硬件和软件,并对系统在实际环境下进行了实验。实验结果表明所设计的系统达到了最初设定的实时性和识别准确率的要求。