采用层次隐马尔可夫模型的在线人体活动识别

过去几年中，人体活动识别（HAR）课题受到越来越多的关注。尤其是基于传感器的HAR方法，因其保护隐私的特性而日益流行。此外，由于互联网的广泛普及，过去几十年中涌现了包括在线HAR在内的广泛基于流的应用。然而，在智能环境设定下提出足够鲁棒的在线活动识别方法仍被视为一项显著挑战。本文提出一种层次隐马尔可夫模型的新型在线应用，以在传感器事件的实时流上检测当前活动。我们的方法包含两个阶段。第一阶段，根据活动模式的起止对数据流进行分割。同时，每收到一个观测即报告正在进行的活动。该阶段使用层次隐马尔可夫模型实现。第二阶段致力于基于统计特征对分割数据流所提供的标签进行校正。所提模型还能发现发生于另一活动期间的 activity——即所谓中断活动。在检测到活动窗格后，将利用诸如活动发生时刻和活动时长的统计特征对预测标签进行校正。我们通过在两个不同的智能家居数据集上测试验证了所提方法，并展示了其有效性，可与最先进方法竞争。