随着普适计算的发展,尤其是部署在日常生活用品中的微型传感器以及可穿戴传感器的普及,越来越多的科研机构开始利用行为识别、活动识别系统进行广泛的科学研究。此外,随着智能手机用户数量不断地增长并且手机中软硬件功能的不断增强,这为记录用户的行为以及活动习惯提供了很好的便利条件,于是基于智能手机传感器的人体活动识别系统便成为当前研究的一个热点。本文就利用手机上的一些传感器数据以及用户的活动特性来识别和分析人体的一些日常活动,具体地,本文从以下三个方面展开研究:首先,本文对人体的一些简单活动的识别方法进行研究,分析简单活动的活动特点,充分利用传感器数据时域特征与频域特征相互结合的方法,使用有效的随机森林分类模型,最终可以使手机端对人体的几种简单活动达到实时分类的效果,并且有很高的识别准确率。其次,在识别人体简单活动的基础上研究如何识别人体的复杂活动,由于复杂活动的多样性和多变性,本文设计一种融入多数据源数据特征的复杂活动识别方法,该方法可以很好的摆脱手机朝向的限制,进而使得本文研究的活动识别方法更具有普遍性,最终结合简单活动的分类模型可以很好的对特定场景下的复杂活动进行识别。最后,考虑多场景下的复杂活动,由于复杂活动数量和特性个数的增加,因此使用多层次、多分类模型结果相结合的办法提高分类准确性,其中主要的数据特征提取、处理过程以及其中一个分类器模型的使用与上一问题中的方法相似。