人体动作识别在智能监控、操作培训以及人机交互等领域有重要研究意义和应用价值。动态时间规整算法的计算复杂度较低,且时间鲁棒性较强,在人体动作识别领域得到广泛研究与应用。但由于人体动作的复杂性、光照以及噪声等影响,往往不能获取理想的人体动作数据,使得准确提取人体动作特征难度较大,进而导致动作识别准确率不高。因此,需要对传统的序列图像动作特征提取方法进行改进,研究准确度高、稳定性好且抗干扰性强的人体动作特征提取算法。本文结合人体骨架的特点,在传统的长度约束骨架毛刺剪除中,引入斜率约束作为毛刺判定的第二条件,解决了原有方法在毛刺较长时,对毛刺和骨架主体进行误判的问题,能够准确区分毛刺和骨架主体。对基于链码遍历的躯干端点的定位方法进行改进,扩展其遍历结构的搜索范围,克服了原有遍历结构在人体上肢运动幅度较大时,无法完成骨架遍历的问题。结合人体各部位长度比例关系,对四肢拐点进行定位,解决了传统最大三角形面积法在四肢曲率较小时,定位误差大的问题。所提出的方法能准确提取序列图像中的动作特征。针对运动过程中关节点坐标不能准确表征动作特征的问题,采用加权归一化向量的形式表达动作特征。本文在VS2013和openCV环境下,对Weizmann数据库进行实验,实现了序列图像中人体骨架特征提取和关节点定位；基于动态时间规整算法,计算序列图像间加权归一化特征的距离,实现人体动作识别。并和基于光流法等方法提取的动作特征进行对比实验。结果表明,本文方法能够准确提取人体动作特征,并对人体动作进行准确识别,识别结果优于其他方法。