El propósito del reconocimiento de actividades es identificar actividades a través de una serie de observaciones del comportamiento del experimentador y las condiciones ambientales. En este estudio, a través de algoritmos de selección de características, investigamos los efectos de un gran número de características en el reconocimiento de actividades humanas (HAR) asistido por una unidad de medición inercial (IMU), y los aplicamos a los teléfonos inteligentes del futuro. En el proceso de investigación, consideramos 585 características (calculadas a partir de datos de acelerómetro tri-axial y giroscopio tri-axial). Analizamos de manera integral las características de las señales y los métodos de clasificación. Se consideraron tres algoritmos de selección de características, y se utilizó el efecto de combinación entre las características para seleccionar un conjunto de características con un efecto significativo en la clasificación de la actividad, lo que redujo la complejidad del clasificador y mejoró la precisión de la clasificación. Utilizamos cinco métodos de clasificación (máquina de soporte vectorial [SVM], árbol de decisión, regresión lineal, proceso gaussiano y selección de umbral) para verificar la precisión de la clasificación. El método de reconocimiento de actividades que propusimos podría reconocer seis actividades básicas (BAs) (de pie, subir escaleras, bajar escaleras, caminar, acostarse y sentarse) y transiciones posturales (PTs) (de pie a sentado, de sentado a de pie, de pie a acostado, de acostado a de pie, de sentado a acostado y de acostado a sentado), con una precisión promedio del 96.4%.