基于智能手机(Smartphone)的六个自由度自跟踪在很多领域都发挥着重要的作用,诸如室内定位,人机交互,无人机(无人车)的路径规划和虚拟现实中的头部的跟踪。随着智能手机内部传感器的增多,很多自跟踪的方法被学术界相继提出。最近很多学者利用惯性传感器(IMU,Inertial Measurement Unit)和摄像头(SLAM,Simultaneous Localization And Mapping)相结合实现六自由度上(沿着x,y,z三轴的坐标轴方法移动的三个自由度以及绕着这x,y,z这三个坐标轴旋转的三个自由度)的自跟踪,并且取得了相对较好的成果。然而在测试了这些方法后,我们发现在如下4种场景会发生跟踪丢失现象:(1)基于IMU的多传感器融合来进行方向跟踪,如果转动IMU过快,会导致方向跟踪上很严重的延迟;(2)当使用摄像头辅助跟踪时,背景特征区分度很低,特征单一;(3)当摄像头移动过快,导致相邻两帧图像之间没有相同的特征匹配点;(4)在非结构的环境下,里面的特征点会移动。为了解决上述问题,我们提出了基于智能手机的六自由度自跟踪系统selfTracker,通过采用“实时动态步长算法”来解决跟踪丢失场景(1)的问题,同时提出了“基于陀螺仪补偿算法”来解决场景(1)中周围磁场变化对方向跟踪的影响,最后提出了“多状态并行的局部恢复”方法来解决场景(2)-(4)。经过了大量的实验表明,在上述4种场景下,我们的系统能够实现相对稳定且准确的自跟踪,在长距离的测试中,self-Tracker仅有0.7%的误差。同时我们还设计了一套基于self-Tracker的动作识别系统,可以在比业界基本方法用更少的样本条件下实现相同或者更高的准确率,经过试验表明,在样本数量为2的情况下,识别准确率超过70%。