近年来,随着传感器技术、无线网络通信技术等日新月异的飞速发展,多功能化的智能设备充斥在人们的社会生活、学习工作中,以智能手机、平板电脑等为首的移动设备充当了移动计算研究领域中最坚实的物质载体,为人们在移动数据挖掘、人体行为识别、社交关系检测以及智能交通导航等各个研究领域中提供了巨大的支持。同时,集成了多种传感器的智能设备使得数据的即时采集、动态捕获成为现实,譬如利用嵌入到智能手机的GPS定位、方向、加速度、重力、近邻传感器可以在设备移动过程中,不断进行位置、方向、速度以及设备周边环境数据信息的动态采集,为移动计算研究奠定可靠并夯实的数据基础。进入新世纪以来,伴随着大规模集成电路技术的发展,高科技智能化的随身穿戴式设备逐渐兴起,如智能手表、智能眼镜等,它们被赋予不同的个性化移动计算功能,不仅在硬件上越来越小型化、轻便化,更是在软件上越来越复杂化、多功能化。软硬件之间的完美结合使得这些便携式的可穿戴式智能设备越来越为人们喜爱,并使其具有更广阔的发展前景。本文针对移动对象的动态行为问题,重点围绕移动行为的动态模式识别处理技术展开研究,首先详细介绍了生活流钟(我们研究设计的一套基于智能手表的生活行为记录分析系统,称之为生活流钟)的概念定义、需求分析以及功能特性等;其次,针对移动对象行为识别问题的特点,提出了一种基于Android智能手表的生活流钟动态识别模型,设计了一种“端+云”的移动对象生活流钟系统架构,并在此架构基础上,重点研究和设计了动态数据的获取和实时传输机制、动态行为的模式识别处理机制以及对象行为的数据可视化机制等;最后,搭建了一个由Android智能手机、Android智能手表和百度云端服务平台构成的实验验证环境,对课题实现的生活流钟应用、系统架构模型及其三个关键数据处理机制进行验证测试,测试结果表明该生活流钟应用系统能够有效识别动态人体行为,为移动计算领域中的人体行为数据挖掘提供有效支撑。