DISCOVER：从智能家居数据识别日常生活模式
人机交互
2026-02-05 v3 人工智能
计算机视觉与模式识别
摘要
配备环境传感器的智能家居提供了持续健康监测和居家照护的变革性方法。传统研究领域主要关注人类活动识别（HAR），即将传感器数据映射到封闭的预定义活动标签集合。然而，这些标签的固定粒度往往限制了其实际实用性，无法捕捉对于跟踪个体健康至关重要的细微、家庭特定的细微差别。为此，我们提出 DISCOVER，一个用于发现和标注日常生活模式（PDL）的框架 —— 即从居民独特日常程序中直接涌现的细粒度、重复的传感器事件序列。DISCOVER 利用自监督特征提取和表示感知聚类管道，配合定制的可视化界面，使专家能够轻松解读和标注发现的模式。我们的评估显示，DISCOVER 在多个智能家居环境中识别出的行为聚类具有高一致的类间一致性，同时仅使用 0.01% 的标签就实现了与全监督基线相当的分类性能。除降低标注开销外，DISCOVER 为纵向分析奠定了基础。通过将行为锚定在居民特定环境中而非僵化语义类别，本框架促进了观察个体习惯性变化。此能力将其定位为未来纵向研究中识别早期认知衰退潜在行为指示物的工具。
引用
@article{arxiv.2503.01733,
title = {DISCOVER: Identifying Patterns of Daily Living in Human Activities from Smart Home Data},
author = {Alexander Karpekov and Archith Iyer and Sourish Gunesh Dhekane and Sonia Chernova and Thomas Plötz},
journal= {arXiv preprint arXiv:2503.01733},
year = {2026}
}
备注
v2: Re-submission. Under review at IMWUT