1.一种不依赖于运动信息采集设备的动作识别方法，其特征在于：包括两个阶段，分别为模型训练阶段和模型预测阶段，所述模型训练阶段是指建立运动信息与动作之间的映射关系，所述模型预测阶段是指根据采集的运动信息计算出对应的动作类别。

2.根据权利要求1所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于，所述模型训练阶段具体包括以下步骤：

1）运动信息采集的步骤，将不同的运动信息采集设备佩戴于人体的不同位置，然后记录人体在执行不同动作时的运动信息；

2）采样频率标准化的步骤，利用降采样法对来自不同运动信息采集设备的原始运动信息进行频率归一化；

3）特征提取与特征选择的步骤，利用时域法、频域法或非线性分析方法对原始运动信息进行特征提取，利用互信息相关法、遗传算法、稀疏优化方法或主成分分析法等对提取出来的特征进行筛选，从而选择出最能表征运动信息特点的特征；

4）终端设备佩戴位置识别聚类的步骤，将上述步骤3）中提取及筛选出的特征，使用有导师学习方法或无导师学习方法构建一个终端设备佩戴位置识别聚类器；

5）随机森林动作识别模型的步骤，针对每个佩戴位置，利用随机森林方法建立对应的动作识别模型。

3.根据权利要求2所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于：在步骤1）中，运动信息采集设备包括但不限于智能手机、平板电脑、腕表、手环；运动信息采集设备佩戴位置包括但不限于手腕、前臂、上臂、腰部、大腿、小腿；人体执行的动作包括但不限于：静坐、躺卧、站立、慢行、上楼梯、下楼梯、跑步；采集的运动信息包括但不限于三维空间X、Y、Z轴的加速度、角速度、磁场强度。

4.根据权利要求2所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于：所述步骤2）中的频率归一化是将采样频率高于25Hz的运动信息进行降低采样频率重采样，使得新的运动信息采样频率为25Hz。

5.根据权利要求2所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于：在步骤3）中，利用时域法提取出的特征包括但不限于运动幅度、角度、速度；利用频域法提取出的特征包括但不限于运动频率、能量；利用非线性分析方法提取出的特征包括但不限于近似熵、多尺度熵。

6.根据权利要求2所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于：所述步骤4）中的有导师学习方法包括但不限于神经网络、支持向量、决策树。

7.根据权利要求2所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于：所述步骤4）中的无导师学习方法包括但不限于自组织映射神经网络、距离判别法。

8.根据权利要求2所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于：所述步骤4）中的聚类器是指在动作识别之间先对终端设备的佩戴位置进行识别，然后针对不同的佩戴位置分别建立动作识别模型。

9.根据权利要求1所述的一种不依赖于运动信息采集设备的动作识别方法，其特征在于，所述模型预测阶段具体为：先将运动信息采集设备佩戴在人体的某个部位，接着采集人体在完成待识别动作过程中的运动信息，然后将该原始信息顺序经过标准采样器、特征提取与特征选择、佩戴位置聚类器、动作识别模型等模块，最后输出最终的动作识别结果。