摘要：针对当前动作识别技术中通常忽略上下文信息,且其局部形状描述对噪声敏感,难以有效处理运动模式的类内变化等不足,提出一种3D运动轨迹解析耦合隐马尔可夫模型的动作识别算法。定义四种轨迹基元（直线、平面圆弧、左螺旋线与右螺旋线）,采用基于Kalman的线性平滑器来降低干扰信息与异常值,将3D轨迹分解和解析成不同的轨迹基元,充分减少干扰信息对轨迹数据的影响,同时保持形状和运动特性。为了避免丢失详细的局部形状信息,设计一种形状描述符,将轨迹基元进一步分割成子基元,将每个运动轨迹表示为子基元的时间序列。引入隐马尔可夫模型,根据运动数据的先验知识来模拟运动分类,基于最大后验概率准则来进行运动识别。实验结果表明：与当前流行的动作识别算法比较,所提算法能有效识别各种动作类别,对尺度变化,以及局部噪声和局部遮挡具有更高的识别精度。