DS-MS-TCN：利用双尺度多阶段时序卷积网络识别奥塔哥运动
机器学习
2024-02-08 v2 人工智能
信号处理
摘要
奥塔哥运动计划（Otago Exercise Program, OEP）是一项针对老年人的关键康复计划，旨在增强平衡能力和力量。尽管此前已有利用可穿戴传感器进行 OEP 识别的努力，但现有研究在准确性和鲁棒性方面仍存在局限。本研究通过采用单个腰部安装的惯性测量单元（Inertial Measurement Unit, IMU），识别社区居家老年人日常生活中的 OEP 运动，以解决这些局限。36 名老年人参与了实验室环境下的研究，另有 7 名老年人被招募进行家庭评估。本研究提出了一种双尺度多阶段时序卷积网络（Dual-Scale Multi-Stage Temporal Convolutional Network, DS-MS-TCN），专为两级序列到序列分类设计，并将其纳入一个损失函数中。在第一阶段，模型专注于识别每次运动重复（微观标签）。后续阶段将识别范围扩展至涵盖完整的运动序列（宏观标签）。DS-MS-TCN 模型超越了现有的最先进深度学习模型，在所有四种评估运动中，f1 分数超过 80%，交并比（Intersection over Union, IoU）f1 分数超过 60%。值得注意的是，该模型优于先前使用滑动窗口技术的研究，消除了对后处理阶段和窗口大小调整的需求。据我们所知，我们是首个通过识别每次活动重复来提出增强人体活动识别（Human Activity Recognition, HAR）系统新视角的研究。
引用
@article{arxiv.2402.02910,
title = {DS-MS-TCN: Otago Exercises Recognition with a Dual-Scale Multi-Stage Temporal Convolutional Network},
author = {Meng Shang and Lenore Dedeyne and Jolan Dupont and Laura Vercauteren and Nadjia Amini and Laurence Lapauw and Evelien Gielen and Sabine Verschueren and Carolina Varon and Walter De Raedt and Bart Vanrumste},
journal= {arXiv preprint arXiv:2402.02910},
year = {2024}
}