Accoustate：智能基础设施下 IMU 生成活动签名的自动标注

智能基础设施中的人类活动由个体所穿戴可穿戴设备产生大量 IMU 数据。许多现有研究依赖此类传感数据进行人类活动识别（HAR）；然而，其主要瓶颈之一是依赖预标注或带标签数据。人工驱动标注既不可扩展也不高效，而现有自动标注技术严重依赖视频签名。此外，基于视频的自动标注需要高计算资源，且当来自私人空间（如智能家居）的数据传至云端时存在隐私问题。本文利用人类活动产生的声学签名在边缘端标注可穿戴设备的 IMU 数据，从而缓解资源需求与数据隐私顾虑。我们利用基于声学的预训练 HAR 模型对 IMU 数据进行跨模态标注，即便两人在相同环境背景下同时进行不同活动亦可。我们观察到，在环境声学背景下两人同时进行活动时，非重叠声学间隙以高概率存在，这有助于解析重叠活动签名并分别标注。所提方法在两个真实家庭数据集（进一步扩充以构建双居住者场景）上的规范性评估表明，该框架能正确标注来自两人的大量未标注 IMU 数据，在车间与厨房环境中准确率分别为 $\mathbf{82.59\%}$（$\mathbf{\pm 17.94\%}$）与 $\mathbf{98.32\%}$（$\mathbf{\pm 3.68\%}$）。