基于深度神经网络的轮椅行为识别以可视化人行道无障碍性
机器学习
2021-01-12 v1
摘要
本文介绍了一种通过安装在轮椅座垫下的智能手机中的三轴加速度计，从轮椅行为估计人行道无障碍性的方法。我们的方法从环境因素(如坡度、路缘与缝隙)识别人行道无障碍性，这些因素会影响轮椅车体并对行动不便者造成负担。本文开发并评估了一个原型系统，利用深度神经网络从轮椅加速度中提取知识，从而可视化人行道无障碍性信息。首先，我们构建了一个有监督卷积神经网络模型，利用轮椅加速度数据对路面状况进行分类。其次，我们应用弱监督方法在无人工标注情况下提取路面状况表征。最后，我们开发了一个自监督变分自编码器来评估轮椅使用者的道路障碍。结果表明，所提方法能从轮椅加速度估计人行道无障碍性，并通过弱监督与自监督方法提取无障碍性知识。
引用
@article{arxiv.2101.03724,
title = {Wheelchair Behavior Recognition for Visualizing Sidewalk Accessibility by Deep Neural Networks},
author = {Takumi Watanabe and Hiroki Takahashi and Goh Sato and Yusuke Iwasawa and Yutaka Matsuo and Ikuko Eguchi Yairi},
journal= {arXiv preprint arXiv:2101.03724},
year = {2021}
}
备注
15 pages, 6 figures, and 1 table; accepted at 2ND International Workshop on Deep Learning for Human Activity Recognition, held in conjunction with IJCAI-PRICAI 2020, January 2021; will be published at Springer Communications in Computer and Information Science (CCIS) proceedings