利用卷积神经网络工具的人体活动识别：前沿综述、数据集、挑战与未来展望
信号处理
2022-09-09 v1 计算机视觉与模式识别
机器学习
摘要
人体活动识别（HAR）在人们日常生活中发挥着重要作用，因其能够从可穿戴或固定设备中学习关于人体活动的大量高层信息。已有大量关于HAR的研究，且研究界已利用众多基于深度学习与机器学习的方法对人体活动进行分类。本综述的主要目标是总结基于广泛深度神经网络架构（即用于人体活动识别的卷积神经网络，CNN）的近期工作。所综述的系统根据输入设备（如多模态传感设备、智能手机、雷达与视觉设备）的使用被归为四类。本综述描述了各综述系统的CNN架构性能、优势、弱点及所用超参数，并概述了可用的公共数据源。此外，讨论了当前基于CNN的HAR系统面临的挑战。最后，本综述以一些潜在未来方向作结，可为希望贡献于该领域的研究者提供极大帮助。
引用
@article{arxiv.2202.03274,
title = {Human Activity Recognition Using Tools of Convolutional Neural Networks: A State of the Art Review, Data Sets, Challenges and Future Prospects},
author = {Md. Milon Islam and Sheikh Nooruddin and Fakhri Karray and Ghulam Muhammad},
journal= {arXiv preprint arXiv:2202.03274},
year = {2022}
}
备注
32 pages, 4 figures, 4 Tables