利用惯性与人体区域静电感知的混合 CNN-膨胀自注意力模型用于健身房锻炼识别、计数与用户认证
信号处理
2025-03-11 v1
摘要
尽管人体电容（）已被探索作为一种新型可穿戴运动感知模态，但在实际场景中，其能力从未被定量证明可与占主导地位的惯性测量单元（）相媲美。因此，本工作旨在评估 在可穿戴运动感知中的贡献。本文描述了一个真实案例研究，即健身房锻炼追踪，以评估 作为 在活动识别中补充的有效性。收集了来自十名志愿者的五十次健身房训练数据，带来了一个五十小时带有标注的 和 数据集。借助由自注意力机制赋能的混合 CNN-膨胀神经网络模型， 在锻炼识别方面略微提高了 的准确率，并在重复计数方面相比 具有显著优势。这项工作有助于增进对 （一种基于人体区域静电场的新型可穿戴运动感知模态）的理解。本工作展示的所有材料均已开源，以促进进一步研究 \footnote{https://github.com/zhaxidele/Toolkit-for-HBC-sensing}。
引用
@article{arxiv.2503.06311,
title = {Hybrid CNN-Dilated Self-attention Model Using Inertial and Body-Area Electrostatic Sensing for Gym Workout Recognition, Counting, and User Authentification},
author = {Sizhen Bian and Vitor Fortes Rey and Siyu Yuan and Paul Lukowicz},
journal= {arXiv preprint arXiv:2503.06311},
year = {2025}
}