MEx：用于人类活动识别的多模态运动数据集
计算机视觉与模式识别
2019-08-27 v1 人工智能
机器学习
信号处理
机器学习
摘要
MEx：多模态运动数据集是一个多传感器、多模态数据集，用于对人类活动识别（HAR）和多模态融合算法进行基准测试。该数据集的收集源于对肌肉骨骼疾病（MSD）患者进行运动表现识别与质量评估的需求。我们选取了理疗师定期推荐给MSD患者的7种运动，并使用四种传感器（压力垫、深度相机和两个加速度计）采集数据。该数据集包含三种数据模态：数值时间序列数据、视频数据和压力传感器数据，为HAR和运动质量评估的推理带来有趣的研究挑战。本文通过在HAR任务上对比各传感器的不同特征表示算法，在标准分类算法上对该数据集进行了评估。这些结果为每个单独传感器设定了参考性能，揭示了它们在未来任务中的优势与不足。此外，我们可视化压力垫数据以探索该传感器捕捉运动表现质量的潜力。随着多模态融合的最新进展，我们也相信MEx不仅适合作为HAR算法的基准数据集，也适合作为多应用领域异构数据类型融合算法的基准数据集。
引用
@article{arxiv.1908.08992,
title = {MEx: Multi-modal Exercises Dataset for Human Activity Recognition},
author = {Anjana Wijekoon and Nirmalie Wiratunga and Kay Cooper},
journal= {arXiv preprint arXiv:1908.08992},
year = {2019}
}