随着现代社会工作方式的改变，众多的工作需要工作者保持长时间的头颈部固定姿势，颈椎病的发病率逐年增长且有年轻化趋势，越来越多人的身心正承受着颈椎病所带来的困扰。研究表明，颈部运动对预防和治疗颈椎病有显著效果，因此头颈部运动监测和头颈部有效动作识别对预防颈椎病有着重要意义。
　　针对以上问题，本文设计并完成了基于加速度传感器的颈椎病预防动作识别研究，具体研究内容如下：本文首先设计实现了颈椎病预防动作识别硬件系统，本系统硬件部分包含信号采集模块即加速度传感器模块、信号控制与处理模块、无线通讯模块以及电源模块共4个工作模块。整个方案小型便捷，能够将传感器便携地放置于使用者的头部，提取头部与颈部的加速度数据，结合不同颈部运动对动作数据进行综合分析。其次，考察预防颈椎病的颈部运动方式，确定本研究采用的颈椎病预防动作：低头、后仰、左转头、右转头、左侧屈、右侧屈、左回环、右回环等8个动作，并按照上述8个颈部动作采集一万多组独立和连续数据构建数据集。再次，对上述实验数据进行处理和分类识别，包括滤波去噪、去除重力加速度和动作的分割以及拼接等预处理。后续通过机器学习的方式进行训练和学习，分别用基于支持向量机、随机森林和全连接神经网络的方法对颈椎病预防动作进行分类识别，最终分类准确率分别为89.66%、91.43%和97.51%。最后，在本文颈椎病预防动作识别方法研究的基础上，开发实现了基于智能手机的颈椎病预防动作识别系统。该系统与硬件系统通过蓝牙模块连接，实时接收头颈部连续运动数据，并进行基于全连接神经网络的运动分类识别，统计整理一段时间内有效颈椎病预防动作数量，以评价颈椎运动情况，在运动量少于阈值的情况下提醒使用者调整运动方案以防止颈椎病的产生。
　　总体而言，本系统硬件结构简单，软件算法效率、精度较高，可连续、准确地进行头颈部运动监测，同时可将有效颈椎病预防动作数量实时显示在智能手机上对使用者进行提示和指导，可适用于颈椎病早期预防的日常自我检测，防止长时间办公导致颈椎酸痛以致颈椎病的发生，利于向家庭和社区推广。