- 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。
- AAAICoSS: 为数据高效的人体活动识别协同优化传感器和采样率
通过设计可训练参数来优化传感器模式和采样率的选择,我们提出了一个实用的框架,用于在边缘设备上实现高效的人体活动识别任务,并通过实验证明了该框架在减少硬件成本的同时能够保持与最高采样率和全传感器配置相似的分类性能。
- 长距离穿墙人体活动识别的定向天线系统
基于 WiFi 信道状态信息(CSI)的无线人体活动识别(HAR)通过保护视觉隐私,在空间受限的环境中实现了无接触、远距离感知。本研究评估了基于 ESP32-S3 芯片的 4 种 2.4GHz 定向天线系统,以促进墙壁背后的远距离人体活动识 - 基于对比学习的单传感器活动识别的虚拟融合
利用虚拟融合方法利用多传感器的未标记数据进行训练,在推理时仅需要一个传感器,提高了人体活动识别准确性,甚至超过实际融合。该方法在 UCI-HAR 和 PAMAP2 基准数据集上取得了最先进的准确度和 F1 值。
- 利用迁移学习进行课堂环境下的学生活动识别
该研究论文提出了一个用于检测和识别课堂环境中学生活动的系统,通过使用预训练模型进行特征提取和分类任务,系统在新颖的课堂数据集上达到了 93% 的准确率,旨在为学生和教育工作者提供更安全和更高效的学习环境。
- 一种面向群组活动识别的因果感知模式挖掘方案
在没有隐私和可访问性问题的智能空间中,基于部署的普适传感器生成的数据流被利用来实现一种高效的群体活动识别方案,该方案从一组用户生成的普适传感器事件序列中提取因果模式,以支持与最先进的图形模型相似的识别准确性。
- 基于惯性的人体活动识别的时间动作定位
该论文首次系统地展示了最新的 TAL 模型在使用原始惯性数据作为输入进行可穿戴式人体活动识别(HAR)方面的适用性,并利用 4 个可穿戴活动识别基准数据集证明这些模型在 F1 分数上的提高幅度可达 25%。通过引入 TAL 社区的最流行度量 - 人体动作识别中对比式左右可穿戴传感器 (IMUs) 一致性匹配
利用机器学习算法的自我学习和传感器数据的对比匹配,可以解决实际数据标注的瓶颈问题,提高人体活动识别系统的性能。
- 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 - TENT:将语言模型与物联网传感器连接,实现零样本活动识别
通过物联网传感信号与语言模型的联合对齐,本研究探索了基于物联网传感信号与文本语义的人体活动识别系统的可行性,提出了一个创新的方法 IoT-sEnsors-language alignmEnt pre-Training (TENT),通过物联 - 传感器为基础的人体活动识别中的博弈论解决方案:一综述
这篇研究论文探讨了博弈论作为解决人体活动识别(HAR)问题的潜力,通过提出新颖的博弈论方法来填补博弈论与 HAR 研究之间的鸿沟,以提高 HAR 模型的准确性和鲁棒性,优化识别算法,并与现有的 HAR 方法进行对比,旨在为基于传感器的 HA - 基于分布式代理的跨个体可穿戴传感器人体活动识别的协作学习
该论文介绍了一种基于多智能体原理的协作式分布式学习方法,其中配备传感器设备的个体用户在分布式网络中作为代理人,共同贡献于学习和分类人类活动的全面过程。该方法不仅保护了每个个体的活动监测数据的隐私,消除了外部服务器监督学习过程的需求,而且还具 - rTsfNet:基于 IMU 的人体活动识别的多头三维旋转和时序特征提取的 DNN 模型
该论文提出了 rTsfNet 作为一种基于 IMU 的人体活动识别(HAR)的新型 DNN 模型,rTsfNet 通过多头 3D 旋转和时间序列特征提取实现自动选择 3D 基线以从中提取特征,并利用 MLP 实现 HAR。在多个数据集和良好 - 面向跨人活动识别的无需优化的测试时间适应
本文提出了一种无需优化的测试时适应(OFTTA)框架,用于基于传感器的人体活动识别(HAR),通过使用指数衰减测试时归一化(EDTN)和基于特征和原型之间的距离的分类器更新方法,OFTTA 能够在分类性能和计算效率方面超越最先进的测试时适应 - 基于生理信号和眼动的游戏类型识别
自动信号解读在情感计算和人类活动识别领域有许多令人印象深刻的应用。本文探讨了通过一组特定信号对认知活动进行识别的可能性,并以参与者所玩游戏的识别作为问题探索的基础。我们构建了三种不同游戏(Space Invaders,Tetris,Towe - 跨域人体活动识别:少样本迁移学习
通过利用公开标记的人体活动识别数据集进行转移学习,我们提出了一种经济有效的跨领域人体活动识别框架,以更好地处理具有非常有限标签信息的活动识别场景。
- 关于生成式基础模型对人类活动识别的好处
通过生成式人工智能从文本描述中自动生成虚拟 IMU 数据,人类活动识别(HAR)领域能够解决有限标注数据的问题。此外,还探讨了生成式人工智能在生成基准数据集、特定于 HAR 的模型开发、HAR 中的层次结构探索、复杂活动分解以及健康感知和活 - 太美好以致难以置信:对人类活动识别中(再)现行做法的性能高估
针对人体活动识别 (HAR) 中常见的问题,本研究通过实验证明,使用滑动窗口和标准的随机 k 折交叉验证方法进行数据分段及验证会导致结果的高估,这对科学界具有重要的警示意义,并呼吁使用正确和无偏的方法来减少此问题的发生。
- 基于时间戳监督的可穿戴设备活动分段和识别:对比学习和保序最优传输
利用时间戳监督的联合活动分割和识别方法,通过估计原型、生成样本级伪标签以及最优运输理论,以改善人类活动识别和时间序列分割问题。
- 使用单一 IMU 和分层机器学习模型对老年人进行奥塔哥运动监测
通过使用腰部佩戴的惯性测量单元 (IMU) 进行数据收集,并采用深度学习模型,本研究提出了一个无障碍且准确的系统来监测老年人的 Otago 运动计划。研究结果表明,在实验室和家庭环境中,使用单个 IMU 可以对 Otago 运动计划及其子类