推进可穿戴设备上位置无关且设备无关的运动活动识别
人机交互
2024-02-07 v1 机器学习
摘要
可穿戴传感器已渗透到人们的生活中，在交互系统和活动识别领域催生了具有影响力的应用。然而，从业者在处理传感异质性时面临重大障碍，需要为不同平台定制模型。在本文中，我们对运动模型跨传感器位置的泛化能力进行了全面评估。我们的分析突出了这一挑战，并确定了用于构建可集成到任何设备上的位置无关模型的关键身体部位。为此，我们引入了最大的多位置活动数据集（N=50，累计 200 小时），并将其公开。我们还展示了可部署的设备端运动模型，无论传感器放置位置如何，单一模型即可达到 91.41% 的帧级 F1 分数。最后，我们研究了跨位置数据合成，旨在通过利用一个位置的数据合成另一个位置的数据来减轻繁重的数据收集任务。这些贡献推进了我们构建低门槛、位置无关的活动识别系统的愿景，促进了人机交互和普适计算领域的研究。
引用
@article{arxiv.2402.03714,
title = {Advancing Location-Invariant and Device-Agnostic Motion Activity Recognition on Wearable Devices},
author = {Rebecca Adaimi and Abdelkareem Bedri and Jun Gong and Richard Kang and Joanna Arreaza-Taylor and Gerri-Michelle Pascual and Michael Ralph and Gierad Laput},
journal= {arXiv preprint arXiv:2402.03714},
year = {2024}
}