近年来,行人行为跟踪技术成为模式识别和人工智能领域的研究热点。与视觉式、电磁式、机械式、声学式跟踪系统相比,惯性式系统因其成本低、体积小、避免了繁琐的辅助仪器和严苛的环境要求而受到广泛的关注。由于人体运动的复杂性以及惯性传感单元易受噪声干扰,且存在漂移误差等问题,使得在无外界参考点的情况下,实现复杂运动模式下行为跟踪成为研究的难点。本文设计了一种多运动模式下根节点位移算法,实现行人行为姿态跟踪。首先,本文在介绍行人行为跟踪基本原理、系统组成及各模块功能的基础上,建立人体运动的刚体铰链模型,并针对传感器件噪声大,动态性能差,精度不高等问题,提出了一种基于拟牛顿的自适应模糊逻辑互补滤波算法,以解算运动时关节的姿态信息。为验证算法的可靠性,分别设计了静态实验与动态实验。结果表明,在静止情况下,系统的均方根误差小于0.04~°;在动态情况下,系统的均方根误差小于1.3~°。其次,选取日常生活中常见的走、跑、跳三种行为模式为研究对象,提取对应的加速度时域特征值实现行为识别。根据跑步时足部加速度的变化,提出一种可以区分飞跃期与支撑期以及支撑期的支撑腿算法,结合三种运动模式的特征以及关节的姿态信息实现多运动模式下根节点的位移估计,并利用容积卡尔曼滤波对位移估计结果进行补偿以提高系统精度。实验结果表明,走、跳、跑三种运动模式下均方根误差分别小于1.261dm、1.054dm、1.826dm;与补偿前相比,补偿后精度分别提高50.3%、57.33%、47.9%;混合模式下平坦路面、非平坦路面实验位移估计偏移率分别在3.9%,4.2%以内,可以准确描绘全局坐标系下,人体位置信息以及姿态信息。最后,在自主设计的惯性式行人行为跟踪平台上,用运动数据驱动虚拟人物,复现人体的运动姿态,以验证行人行为跟踪系统的可行性与可靠性。