随着移动互联网技术兴起和无线传感器技术的发展,时刻都在产生传感器数据,这些数据蕴含着丰富的信息,具有深远的研究意义。计步器的广泛使用就是其中的一个研究成果。运动识别目前也是其中比较热门的一个方向,通过分析加速度传感器数据,发现人体运动的固定模型。目前为止,该研究都主要使用传统的分类技术,对聚类方法少有涉及。本文提出了使用K-Means聚类方法来构建人体运动状态识别模型,并最后基于Android手机上设计人体运动识别系统。由于目前绝大多数研究方法只考虑到先验知识,忽略了流数据动态变化的特点,从而造成构建的分类模型在静态数据下准确率高而实际体验效果差等问题。此外,目前的研究方法没有考虑到用户差异,训练的分类模型个性化严重。本课题基于这两个问题进行研究。课题首先在离线阶段研究构建分类模型的方法,为了解决目前存在的问题,提出了一种基于聚类方法构建识别模型的方法;然后在线阶段基于Android手机设计人体运动状态识别实时系统,分别从数据采集、数据处理、运动识别、模型更新、数据展示等5个功能进行设计;最后通过实验证明聚类算法的有效性,对比了三种聚类算法和三种分类算法的识别效果,验证了模型存在个性化问题,并和成熟产品进行了比较。实验结果表明,基于聚类方法构建人体运动识别模型是可行的,而且该模型具有实时性好、轻量易调整等优点。