PressureTransferNet：基于人体属性引导利用三维仿真压力图实现动态地面压力分布迁移

我们提出 PressureTransferNet，一种利用地面压力信息进行人体活动识别（HAR）的新方法。我们的方法通过利用来自不同个体的现有压力数据，为特定活动生成特定人体的动态地面压力分布。PressureTransferNet 是一个编码器-解码器模型，以源压力图和目标人体属性向量为输入，生成反映目标属性的新压力图。为训练模型，我们使用传感器仿真创建包含多种人体属性与压力分布的多样化数据集。在真实世界数据集上的评估显示，该方法能准确地将人体属性迁移到不同场景下的地面压力分布中。我们使用基于物理的深度学习模型从视觉上确认了合成压力形状的真实感，并在有地面接触的区域取得了 0.79 的二元 R 平方值。通过在实体压力垫数据上以 F1 分数（0.911$\pm$0.015）进行分类验证，证明了合成压力图的正确性，使我们的方法对数据增强、去噪、传感器仿真和异常检测具有价值。应用涵盖运动科学、康复和生物力学，有助于 HAR 系统的发展。