一个轻量级的人工神经网络用于识别日常生活活动
Samer A Mohamed1,2,3, Uriel Martinez-Hernandez1,3
1Department of Electronic and Electrical Engineering, Faculty of Engineering and Design, University of Bath, Bath BA2 7AY, UK.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
一个新的轻量级架构能够使用可穿戴传感器准确和快速地识别人类活动. 这种方法非常适合开发便携式辅助机器人,以最小的处理能力实现98.60%的准确性.
科学领域:
- 机器人和人机交互的人机交互
- 生物医学工程 生物医学工程
- 对于可穿戴系统的机器学习
背景情况:
- 人类活动识别 (HAR) 对辅助机器人至关重要.
- 现有的HAR方法通常在计算上昂贵,限制了它们在可穿戴设备中的使用.
- 需要为便携式辅助技术提供准确,快速和低成本的HAR解决方案.
研究的目的:
- 提出一种轻量级的架构,用于使用可穿戴传感器识别人类活动.
- 为了实现准确和快速的HAR,适用于低成本的便携式辅助设备.
- 为了减少计算复杂性,同时保持高的识别性能.
主要方法:
- 使用了五个惯性测量单元和四个固定在下肢上的仪.
- 从可穿戴传感器数据中系统地提取时间域特征.
- 采用小型,高速的人工神经网络,并使用线路搜索方法进行优化.
主要成果:
- 实现了高识别精度:98.60% (可见数据/可见受试者),93.10% (不可见数据/可见受试者),84.77% (不可见数据/不可见受试者).
- 证明了非常快的85微秒的推断时间.
- 在速度和计算负载方面表现优于深度学习方法.
结论:
- 拟议的轻量级架构提供了准确和快速的人类活动识别.
- 这种方法在计算上是高效的,使其适合开发便携式辅助设备.
- 允许创建实用和有效的可穿戴机器人辅助.
