隨著智能手機等移動設備感知、計算能力的飛速提升，以移動設備作為載體的人體活動識別成為新的研究熱點。利用智能移動設備中的加速度傳感器等采集到的慣導信息進行人體活動識別，相比于常用的計算機視覺識別，具有應用方便、成本低且更能反映人體運動本質等優勢。本文采用智能手機采集到的 WISDM 數據集，構建了基于加速度計慣導信息和卷積神經網絡（CNN) 的人體活動識別模型，并同時引入 K 最近鄰算法（KNN）和隨機森林算法來對 CNN 網絡進行評估。CNN 模型的分類正確率達到了 92.73%，相較于 KNN 和隨機森林都有很大提高。實驗結果表明，與 KNN、隨機森林算法相比，CNN 算法模型可以實現更精確的人體活動識別，在預測和促進人體健康水平方面具有廣闊的應用前景。