May, 2024

智能家居中基于传感器触发的文本描述的无布局依赖的人类活动识别（TDOST）

PDF
TL;DR使用环境传感器在智能家居中进行人类活动识别具有人类健康和福祉的多种应用。通过引入一种新颖的面向布局无关的智能家居人类活动识别系统建模方法，利用原始传感器数据的自然语言描述的可转移表示能力，我们在新的智能家居环境下构建通用的人类活动识别模型，并通过对基准 CASAS 数据集的实验验证了 TDOST 模型在未知智能家居中的有效性，并详细分析了我们方法的各个组成部分对下游活动识别性能的影响。
human activity recognitionsmart homeslayout-agnostic modelingtextual descriptions of sensor triggers (tdost)benchmarked casas datasets
发现论文，激发创造
  • 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

  • 人体活动识别中的迁移学习综述

    基于传感器的人体活动识别是一个活跃的研究领域，本文调查了应用于智能家居和可穿戴设备的活动识别的迁移学习方法，总结了现有工作并提出了未来研究方向。

    Jan, 2024

  • 基于深度域自适应和时间关系信息的跨用户活动识别

    基于深度时间状态领域自适应（DTSDA）模型，本研究旨在解决跨用户人类活动识别（cross-user HAR）中的行为变异性问题，通过利用活动中的不同子活动之间的时间关系，DTSDA 模型能够在不同用户之间建立起用户不变的时间关系，从而在跨用户 HAR 应用中展现出卓越的性能。

    Mar, 2024

  • 传感器数据下的人体活动识别概述

    人体活动识别（HAR）是一项基础研究领域，已经在家庭与职场自动化、安全监控以及医疗保健等多个应用中得到应用。本文综述了基于传感器的 HAR，讨论了依赖于 HAR 的几个重要应用，并介绍了 HAR 中常用的机器学习方法，同时探讨了 HAR 存在的若干挑战以进一步提高其稳健性。

    Sep, 2023

  • 基于物联网传感器算法的智能家居人体活动识别综述：分类、挑战与深度学习机遇

    本文介绍了智能家居中环境传感器用于人类活动识别的算法、进展、挑战和分类，并提出了该领域中的问题、研究机会和解决方案。

    Oct, 2021

  • 建模标签语义提升活动识别

    本论文提出了一个基于序列到序列的神经网络框架，以学习共享活动标签名称的语义，而不是将标签仅视为整数 ID，这有助于提高人类活动识别的性能。该方法将学习活动分解为学习共享标记，通过在七个基准人类活动识别数据集上的广泛实验表明其优于现有方法。

    Jan, 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

  • 使用可穿戴数据的自监督表示进行人类活动识别

    本研究基于一个大规模无标签数据集上学习的自监督表征及浅层多层感知器模型，在未参与训练的真实世界数据集上取得了良好性能，并可通过不同传感器的数据训练，从而实现了设备无关型人体活动识别模型，将有助于增加 HAR 领域中模型评估的标准化。

    Apr, 2023

  • 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

  • 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