基于智能手机内置加速度传感器的人体行为识别是近年来人工智能领域的一个研究热点，传统的贝叶斯、极速学习机、决策树等识别方法都必须先针对加速度传感器采集数据提取时频域特征，并从大量的时频特征中进行特征优选。采用深度学习中卷积神经网络算法（convolutionalneuralnetwork，CNN）在大数据量与小数据量两种情况下分别进行特征学习，直接读取智能手机内置三轴加速度数据，自动提取加速度信号的特征，利用自动提取出来的加速度数据特征，结合决策树算法实现人体行为的分类识别。实验表明，该识别方法准确率较传统机器学习方法提高了1.1%～5.2%，尤其在大数据量下准确率提高更为明显。