基于条件 GAN 的高维 IMU 传感器数据生成以增强治疗性活动中的人体活动识别
机器学习
2024-02-16 v2 人工智能
摘要
人体活动识别是康复、健康监测和人机交互等应用的核心技术。可穿戴设备，尤其是 IMU 传感器，以合理成本提供了人体运动的丰富特征，可用于活动识别。开发鲁棒的活动识别分类器一直是研究人员的兴趣所在。一个主要问题是训练数据通常不足，这使得深度分类器的开发困难甚至不可能。本工作中，开发了一种称为 TheraGAN 的新型 GAN 网络，用于生成与康复活动相关的 IMU 信号。生成信号包含来自 6 通道 IMU 的数据，即角速度与线加速度。此外，引入简单活动简化了变长度活动的生成过程。为评估生成信号，进行了若干定性与定量研究，包括感知相似性分析、将手动提取特征与真实数据比较、视觉检查，以及考察生成数据如何影响在生成与真实数据上训练的三种深度分类器的性能。结果表明生成信号紧密模仿真实信号，且添加生成数据使所有被测网络性能显著提升。在被测网络中，LSTM 分类器提升最显著，达到 13.27% 的增益，有效解决了数据稀缺难题。这显示了生成数据的有效性以及 TheraGAN 作为在数据与不平衡和不足时构建更鲁棒分类器工具的价值。
引用
@article{arxiv.2302.07998,
title = {cGAN-Based High Dimensional IMU Sensor Data Generation for Enhanced Human Activity Recognition in Therapeutic Activities},
author = {Mohammad Mohammadzadeh and Ali Ghadami and Alireza Taheri and Saeed Behzadipour},
journal= {arXiv preprint arXiv:2302.07998},
year = {2024}
}