HAR（人体活动识别）是根据加速度计序列数据，将活动分类为已知的预定义的活动类别，其数据是由专业设备或智能手机记录的。

解决这个问题的传统方法需要手工制作特征，这些特征来自于基于固定大小的窗口和训练机器学习模型的时间序列数据，例如集成决策树。而难点在于，这种特征工程需要在该领域拥有深厚的专业知识。

最近，一些深度学习方法，如循环神经网络和一维卷积神经网络，以及各种CNN，在很少或没有数据特征工程的情况下，已经能够达到目前的最好结果。