基于手机传感器的行为识别与手势识别研究具有重要理论意义与实用价值。行为识别在老年人的监控、护理、用户健康状态评估得到广泛应用。手势识别在聋哑人与周围健康人群交流、智能家居、虚拟技术等方面具有广泛应用。然而在现有行为与手势识别领域存在一些不足,如行为识别多数基于可穿戴设备或要求传感设备绑定在固定位置。手势识别方面存在手势截取算法抗干扰性差、模板不具有泛化性、持握角度改变带来精度影响以及单手势识别实用性差的问题。针对以上问题本文提出一种基于手机传感器识别行人运动状态的算法。该算法能够识别静止、慢速走、中速走、快速走、跑步五种运动状态,以及楼梯、扶梯、直梯上楼和楼梯、扶梯、直梯下楼六种上下楼方式。行人行走状态识别首先通过小波变换对三轴加速度信号进行特征提取;接着使用奇异值分解特征值降维;最后使用决策树算法进行分类识别。上下楼方式的识别采用二级分类进行识别,第一通过线性拟合对气压获得的海拔高度数据进行一次函数拟合区分楼梯或扶梯上楼、直梯上楼、楼梯或扶梯下楼、直梯下楼;第二使用三轴加速度方差阈值对楼梯和扶梯进行区分,识别六种上下楼。手势识别方面提出一种改进的手势识别算法,该算法能够识别单个和连续数字、字母手势。手势的识别基于手机内置的三轴加速度计和陀螺仪,首先通过连续方差阈值截取手势数据;接着对截取的手势数据进行重采样、滑动滤波、三次样条插值、假波峰波谷识别、归一化预处理得到统一的特征;然后通过基于全局最优动态时间规整(Dynamic Time Warping DTW)匹配路径算法进行模板的训练,使用基于趋势匹配的DTW算法进行识别,最后对字母识别过程中的相似手势采用加速度位移变化量和波谷顺序法进行识别。实验结果表明行为识别方面:能够识别出静止、慢速走、中速走、快速走、跑步五种行走状态,和楼梯、扶梯、直梯上楼和楼梯、扶梯、直梯下楼六种上下楼方式手势识别方面:能够对手势进行较好的截取(去除手势开始前抖动造成的手势误截取)方便用户使用;提出的三次样条插值算法、基于全局最优DTW匹配路径模、基于趋势匹配的DTW算法能够较好的识别;利用加速度积分求位移区分字母a、d和q以及波谷顺序法区分i和j,最终实现单个手势与字母与连续数字与字母的识别。