一种用于基于传感器的多居民活动识别中时间特征提取的树结构卷积神经网络
计算机视觉与模式识别
2020-11-09 v1
摘要
随着传感器设备在智能家居中的普及，活动识别引发了巨大兴趣，且大多数现有工作假设只有一名居民。而现实中，家中通常有多个居民，这给活动识别带来了更大挑战。此外，许多传统方法依赖手动时间序列数据分割，忽略了事件的内在特性，且其启发式手工特征生成算法难以挖掘区分性特征以准确分类不同活动。为解决这些问题，我们提出了一种基于端到端树结构卷积神经网络的多居民活动识别框架（TSC-MRAR）。首先，我们将每个样本视为一个事件，并通过滑动窗口中先前的传感器读数获得当前事件嵌入，而无需分割时间序列数据。然后，为自动生成时间特征，设计了一种树结构网络以推导邻近读数的时间依赖关系。提取的特征被送入全连接层，可同时联合学习居民标签与活动标签。最后，在 CASAS 数据集上的实验表明，与最先进的技术相比，我们的模型在多居民活动识别上具有高性能。
引用
@article{arxiv.2011.03042,
title = {A Tree-structure Convolutional Neural Network for Temporal Features Exaction on Sensor-based Multi-resident Activity Recognition},
author = {Jingjing Cao and Fukang Guo and Xin Lai and Qiang Zhou and Jinshan Dai},
journal= {arXiv preprint arXiv:2011.03042},
year = {2020}
}
备注
12 pages, 4 figures