介绍 IHARDS-CNN：一种使用可穿戴传感器进行人体活动识别的深度学习方法
人机交互
2024-11-19 v1
摘要
由智能设备促成的人体活动识别近期引起了广泛关注。深度学习算法在日常生活、体育运动和医疗保健领域已变得至关重要。然而，应对从传感器数据处理中提取特征的挑战，需要孤立地利用多种算法，随后将其转换为标准模式。本研究引入了一种名为 IHARDS-CNN 的新方法，整合了来自三个不同数据集（UCI-HAR、WISDM 和 KU-HAR）的数据用于人体活动识别。从嵌入智能手表或智能手机的传感器收集的数据包含五类日常活动。本研究首先概述了数据集整合方法，随后进行了全面的统计分析，并评估了数据集准确性。所提出的方法采用一维深度卷积神经网络进行分类。与现有活动识别方法相比，该方法以其高速度、减少的检测步骤以及无需聚合分类结果而脱颖而出。尽管检测步骤较少，但实证结果表明其实现了近 100% 的令人印象深刻的准确率，在现有方法中标记为最高。评估结果进一步突显了与类似架构相比更优的分类性能。
引用
@article{arxiv.2411.11658,
title = {Introducing IHARDS-CNN: A Cutting-Edge Deep Learning Method for Human Activity Recognition Using Wearable Sensors},
author = {Nazanin Sedaghati and Masoud Kargar and Sina Abbaskhani},
journal= {arXiv preprint arXiv:2411.11658},
year = {2024}
}
备注
18 pages, 9 figures, 9 Tables