杨锋，付晓蒙，张庭然，罗炯

（1.西南大学体育学院，重庆 400715；2.西南大学运动与健康虚拟仿真实验中心，重庆 400715）

过去20年里，加速度计在身体活动测量中的广泛应用促进了身体活动评价的客观量化和推广普及。随着人民生活水平的持续提高与体育强国建设的不断推进，佩戴含有加速度计模块的可穿戴设备成为身体活动监测的重要方式。基于加速度计数据的身体活动评价目前仅停留在描述“整段活动中不同运动强度等级的持续时间”，这已不能满足大众的体育需求。儿童身体活动评价备受学校、家长与社会关注，人们对其视角全面性、细节可视化、过程可追踪的需求越来越高。目前已有不少与ActiGraph计数结果接近的身体活动计数算法开源（如sensormotion库［1］、ActiGraph库［2］、pyActigraphy库［3］等），因此，实现以上现实需求的主要技术问题在于儿童身体活动类型识别的研究成果不尽如人意，这一点也与其他学者达成共识［4］。

21世纪初，识别身体活动类型的研究方法主要以主观观察法和自我报告法为主。主观观察法过于依赖观察者的专业性且大规模测量的成本过高，而自我报告法的客观性也受到很多学者的质疑［5-7］。机器学习方法的广泛应用与加速度计技术的迅速发展使得活动类型的分类研究走向了客观化。目前，使用机器学习方法识别儿童身体活动类型的研究并不多，早期的研究［8-11］主要采用传统机器学习方法（如随机森林、支持向量机、K近邻、隐马尔可夫模型等），通过人工提取时域特征来区分活动类型，这种特征提取方式的分类准确率鲜有突破80%。……