面向人类活动识别的层次化开放集分类器 Hi-OSCAR
计算机视觉与模式识别
2025-12-04 v1 人工智能
摘要
在人类活动识别（HAR）领域，实际生活中执行的活动范围与在训练中可捕获的活动范围之间存在不可调和的差距。未能正确处理未见活动严重削弱了任何 HAR 分类器的可靠性。此外，在 HAR 中，所有类别在本质上并不等彼此不相似，有些显著重叠或包含其他子活动。基于这些观察，我们将活动类别排列成结构化的层次结构。基于此，我们提出 Hi-OSCAR：一种用于活动识别的层次化开放集分类器，能够在保持业界最先进准确率的同时识别已知活动，同时拒绝未知活动。这不仅实现了开放集分类，还允许未知类别局部化到最近的内部节点，从而提供超越二元“已知/未知”分类的洞察。为促进此目标及未来开放集 HAR 研究，我们收集了一个新数据集：NFI_FARED。NFI_FARED 包含来自多个主体的十九种活动数据，涵盖日常生活、通勤和快速运动等多种情境，数据完全公开可供下载。
引用
@article{arxiv.2510.08635,
title = {Hi-OSCAR: Hierarchical Open-set Classifier for Human Activity Recognition},
author = {Conor McCarthy and Loes Quirijnen and Jan Peter van Zandwijk and Zeno Geradts and Marcel Worring},
journal= {arXiv preprint arXiv:2510.08635},
year = {2025}
}
备注
Accepted at ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (IMWUT)