SImpHAR：基于3D仿真和文本到运动模型的阻抗信号人体活动识别方法
计算机视觉与模式识别
2025-07-10 v1 人工智能
摘要
基于可穿戴传感器的人体活动识别（HAR）是医疗、健身和人机交互等应用中的关键技术。生物阻抗传感技术在细粒度运动捕捉方面具有独特优势，但由于标注数据稀缺而被低估。我们提出SImpHAR，一个新型框架，通过两个核心贡献解决这一限制。首先，我们提出了一个从3D人体网格生成真实生物阻抗信号的仿真管线，采用最短路径估计、软体物理和文本到运动生成，作为数据增强的数字孪生体。其次，我们设计了一种解耦的两阶段训练策略，无需标签对齐的合成数据即可实现更广泛的活动覆盖。我们在收集的ImpdAct数据集和两个公开基准上评估了SImpHAR，结果显示相对于最先进的方法，准确率提升最高可达22.3%，宏平均F1分数提升最高可达21.8%。我们的结果凸显了仿真驱动的数据增强和模块化训练在阻抗信号基于HAR中的潜力。
引用
@article{arxiv.2507.06405,
title = {SImpHAR: Advancing impedance-based human activity recognition using 3D simulation and text-to-motion models},
author = {Lala Shakti Swarup Ray and Mengxi Liu and Deepika Gurung and Bo Zhou and Sungho Suh and Paul Lukowicz},
journal= {arXiv preprint arXiv:2507.06405},
year = {2025}
}