面向发展障碍支持的异常活动识别挑战总结

本文概述了在ISAS 2025举办的“识别未见：异常行为识别挑战”活动。该挑战旨在解决开发障碍患者机构中基于非侵入式姿态估计数据自动识别异常行为的迫切需求。参赛团队需基于从模拟情景视频中提取的骨架关键点，区分正常与异常活动。数据集反映了现实世界中行为的不平衡性和时序不规则性，采用留一被试法(LOSO)评估策略以确保被试无关的泛化。该挑战吸引了来自40支团队的广泛参与，他们应用了从经典机器学习到深度学习架构的多种方法。提交结果主要采用宏平均F1分数进行评估，以调和类别不平衡。结果揭示了在噪声环境、低维数据中建模稀有、突发动作的难度，强调在行为建模中捕捉时序与上下文细微差异的重要性。来自该挑战的见解可能为未来在医疗保健和行为监控领域的社会负责AI应用发展贡献。