黄梦华

（华北理工大学，唐山063200）

0 引言

随着生活水平的提高，智能手机已经成为人们必不可少的工具，再加上手机传感器的发展，基于手机传感器识别人体活动[2-3]有着重要的意义，在运动追踪、生活日志记录、跌倒检测中有着广泛的应用。

传统的人类活动识别可以看作是模式识别，大多数方法依赖于人工手动提取浅层特征，这种方法通常受到人为领域知识的限制，会导致识别准确率低并且可泛化性低。由于这些原因，传统的模式识别方法在精度和泛化性上受到了一定的限制。

近年来，深度学习在各个领域都表现出优秀的能力。与传统的模式识别方法不同，深度学习可以极大的减轻设计特征的工作量，并且可以通过训练端到端的神经网络来学习更多高级和有意义的特征。此外，深层网络结构更适合无监督学习。所以在人类活动识别方法中应用深度学习是非常合适的。

1 研究现状

人类活动识别在人们的日常生活中有着重要的作用，它能够从原始的传感器信号中识别出关于人类的行为活动，在各个领域有着广泛的应用，如医疗保健、老年人护理、健身追踪等。随着智能手机[4-5]和智能穿戴的发展，越来越多的传感器应用到其中，这些传感器能够捕捉到丰富的人体运动数据，只要用户携带上手机或者智能穿戴设备，传感器就能记录大量的用户活动，通过分析其中的加速度和陀螺仪数据，就可以进行活动的识别，这一方面已经有了一定的研究。……