基于可穿戴传感器数据的人体活动识别：前沿方法的标准化
计算机视觉与模式识别
2019-02-04 v3
摘要
基于可穿戴传感器数据的人体活动识别因其在医疗健康和智能环境等领域的应用而成为一个引人关注的研究课题。在此背景下，许多工作利用加速度计、陀螺仪和磁力计数据来表示活动类别并取得了显著成果。然而，当前研究未考虑导致结果偏倚的重要问题，使得难以评估基于传感器的体活动识别的质量，并阻碍了以往工作的直接比较。这些问题包括样本生成过程与所使用的验证协议。我们强调，在图像分类和目标检测等其他研究领域中，这些问题已得到良好定义，从而带来了更多面向应用的努力。受此启发，我们开展了一系列广泛的实验，分析不同的样本生成过程和验证协议，以指出基于可穿戴传感器数据的人体活动识别中的薄弱环节。为此，我们实现并评估了若干顶级性能方法，从基于手工特征的方法到卷积神经网络(convolutional neural networks)。根据我们的研究，当前采用的大多数实验评估不足以在可穿戴传感器数据背景下进行活动识别，与恰当的评估方法相比，识别准确率显著下降。据我们所知，这是首个解决损害基于可穿戴传感器数据的人体活动识别性能理解的基本问题的研究。
引用
@article{arxiv.1806.05226,
title = {Human Activity Recognition Based on Wearable Sensor Data: A Standardization of the State-of-the-Art},
author = {Artur Jordao and Antonio C. Nazare and Jessica Sena and William Robson Schwartz},
journal= {arXiv preprint arXiv:1806.05226},
year = {2019}
}