OrganicHAR：面向隐私保护传感器自然环境中活动发现的高效视频分析
摘要
在家中部署人类活动识别 (HAR) 仍然罕见，因为传感器信号在不同房屋、人和时间之间差异极大，本质上需要现场数据收集和训练。先前的方法使用相机为隐私保护传感器（LiDAR、RADAR、热成像）生成训练标签，但这迫使传感器检测相机可见但传感器自身无法可靠区分的预定义活动。在本工作中，我们引入了 OrganicHAR，一个活动发现框架，通过将传感器能力置于活动发现的中心来反转这种关系。我们的方法使用隐私保护传感器识别自然发生的信号模式，仅在这些关键时刻利用视觉语言模型 (VLM) 进行场景理解，并以这些传感器能可靠检测的粒度发现离散活动标签。我们对 12 名参与者的评估证明了 OrganicHAR 的有效性：仅使用基本环境传感器（雷达、激光雷达、热阵列），它对粗粒度（4-5）活动实现了 79% 的准确率，在添加可穿戴 IMU、深度和姿态传感器后，对细粒度（8-9）活动实现了 73% 的准确率。OrganicHAR 在不同配置下平均保持 77% 的准确率，同时为每个用户发现 4-8 个类别（所有用户共 15 个），并针对每个环境和传感器能力进行定制。通过仅在本地传感器识别的关键时刻触发视频处理，我们将 VLM 的查询减少了 90%，从而在自然环境中实现实用且保护隐私的活动识别。
引用
@article{arxiv.2605.18455,
title = {OrganicHAR: Towards Activity Discovery in Organic Settings for Privacy Preserving Sensors Using Efficient Video Analysis},
author = {Prasoon Patidar and Riku Arakawa and Ricardo Graça and Rúben Moutinho and Adriano Soares and Ana Vasconcelos and Filippo Talami and Joana Couto da Silva and Inês Silva and Cristina Mendes Santos and Mayank Goel and Yuvraj Agarwal},
journal= {arXiv preprint arXiv:2605.18455},
year = {2026}
}
备注
23 pages, 14 figures, with a 4-page appendix containing 2 additional figures. To appear in Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. (IMWUT), Vol. 9, No. 4, Article 203 (December 2025). DOI: 10.1145/3770674