基于物联网的深度学习活动识别框架
机器学习
2019-06-19 v1 计算机视觉与模式识别
机器学习
摘要
活动识别是识别并认知智能体动作或目标的能力。智能体可以是执行具有最终目标动作的任何对象或实体。智能体可以是执行动作的单智能体，或是执行动作或存在某种交互的群体智能体。由于人机交互在娱乐、医疗、仿真和监控系统等诸多实际应用中的需求，人类活动识别已广受欢迎。基于视觉的活动识别正获得优势，因其不需要任何人工干预或与人类身体接触。此外，存在一组以跟踪和识别智能体活动为目的而联网的摄像机。传统需要跟踪或识别人类活动的应用使用可穿戴设备，然而此类应用需要人的身体接触。为克服此类挑战，可使用基于视觉的活动识别系统，其利用摄像机录制视频并由处理器执行识别任务。该工作分两阶段实现。第一阶段，提出一种使用图像背景减除继而 3D 卷积神经网络的活动识别实现方法，并报告了在 3D 卷积神经网络前使用背景减除的影响。第二阶段，工作进一步扩展并在树莓派（Raspberry Pi）上实现，可用于录制视频流并继而识别视频中所涉及的活动。由此，提供了一个基于小型物联网设备的活动识别概念验证，可增强系统并以便携性提升、联网及设备其他能力等形式扩展其应用。
引用
@article{arxiv.1906.07247,
title = {An IoT Based Framework For Activity Recognition Using Deep Learning Technique},
author = {Ashwin Geet D'Sa and B. G. Prasad},
journal= {arXiv preprint arXiv:1906.07247},
year = {2019}
}
备注
Intended to submit to a journal