读行为识别文章“Activity Recognition in the Home Using Simple and Ubiquitous Sensors”有感

文章中,Tapia等利用部署在室内的多个开关传感器识别洗手、梳洗、洗澡、看电视、睡觉等日常生活行为。该工作以传感器触发事件及事件间先后关系为样例特征,通过朴素贝叶斯对数据进行训练、建模,从而分类日常生活行为。在实验中,该工作需全天候记录传感器事件序列,并每15分钟人工标注一次当前行为,从事件序列中抽取出训练样例,并评估每个行为的平均持续时间窗口Li。在预测阶段,自时间点t开始,以t-Li时间段内所有特征为一个测试样例,计算每个行为的概率,并以最大概率者作为预测结果。

在室内部署非接触传感器,利用环境感知人体行为是该工作的显著特征,其对日常生活行为的识别准确率可达89%,但也存在一些局限:首先,为了尽可能多地识别日常生活行为,该工作时刻记录传感器的事件序列,并人工从序列中标注行为以获得训练样例,这使得数据量大、冗余数据多、且易出现错误;其次,没有利用传感器的位置和类型等语义信息来确定行为,降低了训练样例的正确性;再次,预测行为的时间点间隔对精度影响较大。由于当时技术的限制其传感器只有一种,进一步限制了其应用范围。

anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

发表评论