Aug, 2023

制造生产线工人活动识别方法的近身电场应用

PDF
TL;DR本文介绍了一种新颖的可穿戴传感原型，将 IMU 和体电容传感模块结合起来，用于识别制造业中工人的行为。我们提出并比较了早期和晚期传感器数据融合方法，针对多通道时间序列卷积神经网络和深度卷积 LSTM 模型。通过使用我们提出的传感原型和苹果手表在制造流水线的测试平台上收集和注释传感器数据，我们评估了所提出的硬件和神经网络模型。实验结果表明，我们提出的方法相对于基线方法具有更好的性能，表明所提出的方法在制造业的实际应用中具有潜力。此外，配备有体电容传感器和特征融合方法的传感原型相比于没有体电容传感器和苹果手表数据的传感原型分别提高了 6.35%，宏 F1 评分较高 9.38%。
wearable sensorsworker activitiesmanufacturing industrysensor data fusionneural network model
发现论文，激发创造
  • 基于可穿戴传感器数据的人类活动识别：现有技术的标准化

    本研究通过对不同样本生成过程和验证协议进行分析，实施和评估了多种高性能方法，从手工制作的方法到卷积神经网络等各种方法，发现当前的实验评估方法都无法在可穿戴传感器数据的背景下执行活动识别，在此之中，识别准确度显着下降，该研究着重解决了在可穿戴传感器数据基础上的人体活动识别中影响识别准确性的关键问题，是第一篇解决这个问题的研究。

    Jun, 2018

  • 利用可穿戴传感器和机器学习进行水果采摘活动识别

    本文提出一种基于佩戴式传感器生成的时间序列数据的水果采摘者活动检测应用。通过使用人体活动识别以及机器学习方法检测袋子倒空事件，以便实现对采摘装置的管理并减少水果在室外暴露时间。测试结果显示，所提出的深度卷积神经网络可以在真实数据集上达到 86% 的检测准确率。

    Apr, 2023

  • 解码人类活动：分析可穿戴加速度计与陀螺仪数据进行活动识别

    基于 Residual 网络和 Residual MobileNet 集成的分层多结构方法（FusionActNet）能够有效地对不同的人类活动进行分类识别，并在 UCI HAR 和 Motion-Sense 数据集上取得了 96.71% 和 95.35% 的准确率。

    Oct, 2023

  • 利用可穿戴感应器进行人类活动识别：综述、挑战和评估基准

    本文通过文献综述，使用六种公开数据集，采用标准化评估标准对最先进的人类活动识别技术进行比较，提出了一种改进的混合手工特征和神经网络架构的方法，优于先前的技术，并证明标准化评估是必要的。

    Jan, 2021

  • 利用不同深度学习架构进行穿戴设备和单摄像头视频的上肢活动识别比较研究

    通过计算机视觉和惯性测量单元 (IMU) 等广泛应用的技术以及最近在临床和研究环境中日益流行，来评估人体的身体活动。然而，为了增加患者在实验室外的跟踪可行性，有必要减少运动采集设备。在这方面，IMU 设备和单一摄像头系统是有希望的解决方案。此外，还需要开发能够在野外环境中识别和处理临床相关数据的机器学习系统，因此确定这些系统的理想输入至关重要。

    Feb, 2024

  • 可穿戴活动识别的单模态和多模态传感器融合

    综合不同的感知模态与多个位置有助于形成对人类行为等复杂情况的统一感知和理解，因此，人类活动识别受益于综合冗余和互补信息（单模态 / 多模态）。然而，这并不是一项容易的任务，它需要多学科的方法，包括传感器技术、信号处理、数据融合算法和领域特定知识。本博士研究使用惯性、压力（音频和大气压力）和纺织电容感应等感知模型进行人类活动识别。所探索的场景包括手势和手部位置跟踪、面部和头部模式识别以及身体姿势和手势识别。所选择的可穿戴设备和感知模型完全集成了基于机器学习的算法，其中一些实现在嵌入式设备上，并在实时环境中进行了测试。

    Apr, 2024

  • 通过可穿戴设备进行预测性触觉警示的在线人类风险预测的行为识别

    本文提出了一个框架，结合在线人体状态估计、动作识别和运动预测，实现了对工人在举重任务中的生物力学风险进行早期评估和预防。该框架利用 NIOSH 指数进行在线风险评估，适用于实时应用。通过可穿戴传感器数据，通过逆运动学 / 动力学算法检索人体状态。通过实施基于 LSTM 的引导式专家混合结构来实现人体动作识别和运动预测，该混合结构在离线训练并在线推断。通过识别的动作，将单一举重活动分为一系列连续的动作，然后可以应用修订版 NIOSH 举重方程进行风险评估。此外，通过预测的动作可以预见未来的风险。可穿戴系统中嵌入的触觉装置可以提醒受试者潜在风险，充当主动预防装置。通过执行真实的举重任务并配备 iFeel 可穿戴系统来验证所提出框架的性能。

    Dec, 2023

  • 人体区域电容或电场感测用于人体活动识别和人机交互的综述

    身体区域电容感知是一种有希望的可穿戴设备替代方案，用于实现人体活动识别和人机交互任务；本文综合总结了身体区域电容感知的现有研究，包括涉及的身体形态、硬件实现、算法和应用，并讨论了该领域的挑战和前景。

    Jan, 2024

  • 利用可穿戴传感器数据进行无监督嵌入式学习的人体活动识别

    该论文介绍了一种无监督方法，通过基于人类活动的特性将人类活动投射到一个嵌入空间中，在该空间中相似的活动会紧密地聚集在一起，从而帮助聚类算法实现对人类活动的识别和分类，相较于直接应用于原始数据集的非监督技术，我们的方法在识别和分类潜在人类活动方面取得了更好的性能。

    Jul, 2023

  • 可穿戴传感器人类活动识别中的深度学习技术：进展综述

    本文系统分类总结了利用低功率传感器进行人体活动识别的深度学习方法及其发展趋势和主要挑战，同时介绍了深度学习驱动人体活动识别的尖端技术和未来方向。

    Oct, 2021