ヘッドマウントの慣性センサーから人間の活動を認識するオープンセットです

科学分野:

• バイオメディカルエンジニアリング
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
• ウェアラブル・テクノロジー ウェアラブル・テクノロジー

背景:

• 慣性測定単位 (IMU) を使用したヒト活動認識 (HAR) は,ヘルスケアとフィットネスにとって極めて重要です.
• 既存の HAR 方法は,目に見えない活動 (クローズドセットの制限) の存在により,現実世界のシナリオと闘う.

研究 の 目的:

• オープンセット認識 (OSR) フレームワークを実装することによって,現実世界の適用性のためにHAR分類者を適応させる.
• スマートメガネのIMUデータを用いて,未知の活動を特定するOSRの有効性を評価する.

主な方法:

• 6軸のIMUデータで,軽量な1Dコンボリューションニューラルネットワークをトレーニングした.
• 広範な評価では,2つのデータセット (独占データセットとUCA-EHAR) の1つのアクティビティを外すプロトコルを使用しました.
• オープンセットのHARのパフォーマンスは,GMM,KDE,OpenMax,NNdrなどのロジット空間方法を使用して評価されました.

主要な成果:

• 未知の活動の堅実な識別は,ROC曲線の下の面積 (AUC) が 0.8.8 以上で達成されました.
• OSRフレームワークは,最小限の計算オーバーヘッドで有効性を実証しました.
• この研究では,特許データセットと公開データセット (UCA-EHAR) の両方で,調査結果を検証した.

結論:

• 低複雑性のOSRアプローチは,リソースが制限されたウェアラブルデバイスでリアルタイム HARの大きな可能性を秘めています.
• この研究は,実用的なアプリケーションのための適応的で信頼性の高いセンサーベースの認識システムの開発を支援します.
• この発見は,新しい活動を処理できるより堅牢なHARシステムへの道を開きます.