MMJun, 2021

PALMAR：基于点云技术的适应性多居民活动识别

PDF
TL;DR本文介绍了使用点云数据技术和机器学习技术实现的多居住者活动识别系统 PALMAR，该系统采用了分特征呈现的实时 PCD 微调方法、高效聚类技术、自适应多人追踪、区分多义歧义并提高识别准确性的领域自适应技术等多种创新技术，能够在多人场景中显著提高多人追踪准确率，且效果令人满意。
point-cloud datahuman activity recognitionmachine learningtrackingdomain adaptation
发现论文，激发创造
  • 基于毫米波雷达的医疗监护机器人人体活动识别

    通过在可移动机器人上装载毫米波雷达系统与轻量级深度神经网络结合，实现了实时监测人类活动的医疗监测系统。

    May, 2024

  • 智能环境中多居民活动识别调查

    本文对人类活动识别系统的设计和实施进行了简要概述，并总结了在多居民环境中使用这些系统的先前研究成果，提供了对这一领域现状的结论。

    Apr, 2023

  • 全景人类活动识别

    本文提出了全景人体活动识别（PAR）问题，介绍了基于层次图神经网络的解决方法，并建立了 benchmark 数据集。实验验证了所提出问题，算法和 benchmark 的合理性和有效性。

    Mar, 2022

  • 稀疏毫米波雷达点云中的实时人员追踪与鉴别

    本文提出了一种低复杂度高精度的端到端方法，使用来自低成本 mm 波雷达的稀疏点云序列，结合扩展物体跟踪 Kalman 滤波器和针对雷达点云的有效特征提取和快速推理的深度学习分类器，实时跟踪和识别多个主体，并在一组八个对象中准确识别三个对象，操作速度高达 15 帧 / 秒。

    May, 2021

  • 使用灵活且可扩展的软件定义无线电进行深度学习的非接触式人类活动识别

    本研究基于 Wi-Fi CSI 研究人体活动识别，提出一种使用深度学习方法的系统，并比较了卷积神经网络、长短期记忆网络和混合模型的效果，结果表明 LSTM 的平均准确率达到 95.3％，相比 CNN 和混合技术更加有效，未来需要在不同的复杂环境中研究其稳健性。

    Apr, 2023

  • 基于时空邻近感知的全景活动识别双通道模型

    全景活动识别 (PAN) 旨在在拥挤的全景场景中识别多样化的人类活动，从个体动作到社交群体和全球活动。为了解决 PAN 面临的两个主要挑战，我们提出了基于社交接近度感知的双通道网络 (SPDP-Net)。该网络基于两个关键设计原则：首先，考虑个体之间的时空接近度，对于正确理解社交动态来说至关重要；其次，引入双路径架构进行多粒度活动识别，其中包括个体到全球和个体到社交的路径，通过多层次通过全局和局部上下文相互强化彼此的任务。通过大量实验证明了个体之间的时空接近度和双通道架构在 PAN 中的有效性。此外，SPDP-Net 在 JRDB-PAN 数据集上取得了 46.5% 的整体 F1 分数，达到了新的最先进的性能水平。

    Mar, 2024

  • 基于邻近交互的多人环境活动识别中传感器激活的区分

    本文提出了针对多占用环境基于接近交互的传感器激活辨识计算机模型，利用 UWB 和二进制传感器进行了案例研究，可用于经典的 HAR 模型降低多占用问题的复杂度。

    Nov, 2022

  • 了解邻居：智能家居中有效的传感器数据人体活动识别的基于图的方法

    通过学习传感器之间的显式共同触发关系，我们提出了一种新颖的图导向神经网络方法，该方法通过将离散的输入传感器测量映射到特征空间，应用注意机制和节点嵌入的分层汇聚，在 CASAS 数据集上进行实验证明了我们提出的方法在智能家居人体活动识别方面优于现有方法，并将其推向更接近真实世界应用的方向。

    Nov, 2023

  • 基于传感器的人体姿态感知的机器学习技术研究及数据异质性综述

    通过分类数据异构类型、应用相应的适合的机器学习方法、总结可用的数据集并讨论未来的挑战，本论文探讨了机器学习如何解决人体活动识别中的数据异构问题。

    Mar, 2024

  • 维护需求：更新和扩展用于智能家居的引导式人体活动识别系统

    通过使用种子点和对比学习框架，本研究提出了一种有效的方法来改善智能家居中的活动识别系统，以更准确地识别主要活动。

    Jun, 2024