随着安全问题受到社会的普遍关注，智能监控系统中对于人的运动检测与分析逐渐成为一个研究热点，人体动作识别在智能监控、感知接口、虚拟现实及内容检索等领域都有着广阔的应用前景。基于热释电红外(PIR)信息的人体动作识别基本原理可以描述为：运动人体发出的红外辐射中包含着与人体动作形态相关的特征信息，该信息可以被热释电红外传感器有效探测，并输出相应的模拟信号。通过对该模拟信号的分析和处理，就可以从中提取出人体不同动作状态下的特征信息，从而实现对人体的不同动作进行分类识别的目的。　　 本文采用表面安装有菲涅耳透镜的热释电红外传感器检测人体不同动作形态(包括走、跑、跳、捡、踢、攀爬等六种动作)的红外辐射信息，利用所得热释电的连续电压信号，提取不同人不同动作形态的特征信息来进行人体动作识别。研究中首先搭建了运动人体热释电红外信息的采集系统，进行人体动作的热释电数据采集；第一种特征提取方法是将时域信号进行快速傅里叶变换提取出频谱信息作为特征，第二种特征提取方法是将时域信号进行五层小波包分解，得到小波包重构系数和小波包能量作为特征；在分类识别算法方面尝试采用支持向量机(SVM)和K-means聚类算法来实现人体动作识别，并比较了不同分类算法的识别结果；最后在优化特征提取与分类算法的基础上，根据不同动作信号的特点采取分层次识别的方法。实验结果表明，相对于单一特征提取，分层次提取不同特征进行动作识别能取得更好的识别效果，总体识别率达到90％以上。其中，走和跑动作的识别率为96.67％，跳动作的识别率为86.78％，捡动作的识别率为84.31％，踢动作的识别率为89.25％，攀爬动作的识别率为89.85％。研究表明，通过对PIR传感器输出信号的处理，可以在一定程度上实现运动人体的动作识别，为一些安全监控场所提供一种低成本的具有人体动作识别功能的应用系统。目前，基于运动人体红外信息的动作识别研究尚处于探索阶段，本文的研究成果将为这项技术的发展起到一定的推进作用。