适量运动是保障身体健康的关键因素之一，运动不足或者运动过量都会对身体健康造成不良影响，严重者会导致死亡。不同运动方式（步行、跑步、上下楼梯）的运动强度不同，因此有必要识别不同的运动方式。传统检测运动方式和强度的方法（如跑步机）使用方式具有局限性，而利用手机或可穿戴设备实时识别人的运动状态和强度，有助于人们方便地及时了解自身状况，进行科学的锻炼。　　针对上述问题，本课题开展基于穿戴式智能硬件的运动识别关键技术研究，研究相应算法，使其能够智能识别坐、步行、跑步、上楼梯、下楼梯等运动状态及运动距离，并能识别典型腰痛防治动作。具体内容如下:　　1、我们调研了目前的运动状态识别算法，分析了现有算法的局限性，提出了一种基于时间窗口的轻量级运动状态识别算法EasiSports。根据用户佩戴的加速度传感器数据，实时识别坐、步行、跑步、下楼梯、上楼梯5种状态，通过合理设置特征值窗口降低了计算复杂度，并通过建立个人识别模型提高了识别准确度，同时降低计算复杂度。实验表明，算法能够达到88％的识别准确度，且算法时间复杂度较现有算法降低30％-50％，从而有效节省嵌入式设备的CPU、内存消耗，提高设备电池续航力。　　2、调研了市场上常见计步产品和算法，分析了其局限性。提出了一种采用自适应滤波和自适应调整的幅度和时间阈值的高准确度计步算法，在多个用户快、中、慢等多种步态情况下，算法计步准确度超过94％。对算法进行了嵌入式移植，分别移植到Android、STM32、MTK平台下，并应用到实际系统中。　　3、现代有不少上班族长时间坐在电脑前或伏案工作，久坐容易引起腰痛的问题。医学上有一些腰痛防治动作。我们研究并提出了一种典型腰痛防治动作识别方法，能辅助判断用户典型腰痛防治动作的标准程度和强度，在干扰较少和较多两种应用场景下分别达到96％和82.5％的识别准确度，为腰痛用户锻炼与康复提供参考信息。