可解释的人类活动识别：概念与机制的统一综述
机器学习
2026-04-14 v1 人工智能
摘要
人类活动识别已成为医疗监测、辅助生活、智能环境和人机交互等智能系统的关键组成部分。尽管深度学习在多元传感器数据上显著提升了人类活动识别的性能，但由此产生的模型通常仍然不透明，限制了信任、可靠性和实际部署。因此，可解释人工智能已成为使人类活动识别系统更加透明和以人为中心的关键方向。本文对可穿戴、环境、生理和多模态感知场景中的可解释人类活动识别方法进行了全面综述。我们引入了一个统一视角，将可解释性的概念维度与算法解释机制区分开来，减少了先前综述中的歧义。基于这一区分，我们提出了一个以机制为中心的可解释人工智能-人类活动识别方法分类法，涵盖了主要的解释范式。该综述考察了这些方法如何处理人类活动识别的时间、多模态和语义复杂性，并总结了它们的可解释性目标、解释目标和局限性。此外，我们讨论了当前的评估实践，强调了实现可靠和可部署的可解释人工智能-人类活动识别的关键挑战，并指出了朝着更好支持人类理解和决策的可信活动识别系统发展的方向。
引用
@article{arxiv.2604.09799,
title = {Explainable Human Activity Recognition: A Unified Review of Concepts and Mechanisms},
author = {Mainak Kundu and Catherine Chen and Rifatul Islam and Ismail Uysal and Ria Kanjilal},
journal= {arXiv preprint arXiv:2604.09799},
year = {2026}
}