真实家庭中的活动识别与预测
计算机视觉与模式识别
2019-05-22 v1 机器学习
机器学习
摘要
本文介绍了利用二值传感器数据或深度视频数据在真实家庭中进行活动识别与预测的进行中工作。我们展示了用于收集和存储数据的现场试验与设置、我们的方法以及当前结果。我们比较了使用概率方法和长短期记忆（LSTM）网络预测下一个二值传感器事件的准确率，引入时间信息以提高预测准确率，并使用一个 LSTM 模型同时预测下一个传感器事件及其平均发生时间。我们研究了公寓之间的迁移学习，表明可以用其他公寓的数据预训练模型，并在新公寓中立即获得良好准确率。此外，我们展示了使用来自七个公寓的低分辨率深度视频数据进行活动识别的初步结果，并通过一种相对简单的处理方法将四类活动——无运动、站起、坐下和电视交互——分类：在将帧送入卷积 LSTM 网络进行分类之前，先应用无限冲激响应（IIR）滤波器从帧中提取运动。
引用
@article{arxiv.1905.08654,
title = {Activity Recognition and Prediction in Real Homes},
author = {Flavia Dias Casagrande and Evi Zouganeli},
journal= {arXiv preprint arXiv:1905.08654},
year = {2019}
}
备注
12 pages, Symposium of the Norwegian AI Society NAIS 2019