随着人体运动数据采集技术的发展,基于数据的人体运动的研究越来越受到人们的关注。人体运动的研究在医疗康复、运动训练、虚拟现实、以及影视和游戏等领域有着很大的应用空间。人体动作分类就是基于大量已标注动作名称的人体动作,对未标注的人体动作进行分类标注。在本文中,研究提出了一种基于长短时记忆网络(LSTM)的人体动作分类模型。首先,将人体动作表示为时间序列的形式。然后,将人体动作序列逐帧输入到去掉输出层的正向和反向LSTM中,并将隐藏层输出依次送入Mean pooling层和逻辑回归层得到最终的分类结果。最后,研究利用目前流行的深度学习平台Tensor Flow实现本次研发的分类模型并进行训练。基于此,又进一步利用人体动捕数据库HDM05的数据进行实验来验证提出的分类模型,经过训练,该模型在测试集上的分类准确率达到了94.84%。