随着智能手机处理能力的不断提升,微型低功耗传感器的不断发展,基于传感器的行为识别已经成为一个热点研究领域。本文以使用手机的人群作为主要研究对象,研究手机使用过程中的不良行为识别方法,让智能手机在带给使用者智能化体验的同时,也使得手机使用的不良行为引起人们的重视。本文主要研究内容包括:第一,基于手机位置的不良行为识别方法。本文针对现实生活中静坐、行走、上楼梯、下楼梯、乘坐公交等场景的手机使用行为,并考虑了手机放置位置这一因素,研究基于集成分类器的识别方法,综合决策树（J48）、随机森林（RF）、K-近邻（KNN）、朴素贝叶斯（NB）和支持向量机（SVM）等多种分类器的优点,采用投票法策略生成集成分类器进行手机使用行为的识别。首先,通过采集静坐、行走、上楼梯、下楼梯、乘坐公交等五种场景下三种不同手机放置位置（手持于胸口、上衣兜、裤兜）的加速度数据,经过中值滤波器去除噪声,高通滤波器去除重力分量,加窗分割原始加速度信号;然后,采用均值、方差、均方根、相关系数分别对x,y,z轴上的数据进行特征提取;最后,采用集成J48、RF、KNN、NB和SVM等五种分类方法的集成分类器进行行为识别,并将各单一分类方法与集成分类器方法进行实验对比分析,以验证基于集成分类器的不良行为识别方法的性能。第二,面向低头的不良行为识别方法。针对“低头族”现象,本文设计并实现了一种基于智能手机的融合图像处理和传感器技术的颈部弯曲角度计算方法,通过面部角度和智能手机的倾斜角度获取颈部弯曲角度。首先,分别通过智能手机前置摄像头和内置的传感器采集人脸图像与三轴加速度信号;然后,分别通过基于扩展Haar特征的Adaboost方法进行人脸识别、基于灰度积分投影方法进行瞳孔定位、基于Canny算子边缘检测算法进行嘴巴定位,进而得到面部角度,通过三轴加速度信号获得手机倾斜角度;最后,采用基于规则的分类方法识别不良低头行为。通过大量实验发现,该算法具有较好的识别效果。第三,基于上述研究,设计并实现了一个手机使用不良行为识别与预警系统。系统包括Android端和Web端,具有数据采集、不良行为识别、不良行为预警、历史数据查看、健康指南、健康服务和信息管理等功能。