位置感知室内人类活动识别使用嵌入智能手机的多传感器
Xiaoqing Wang1, Yue Wang2, Jiaxuan Wu1
1School of Information Science and Engineering, Shenyang Ligong University, Shenyang 110168, China.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
本研究介绍了一种基于智能手机的方法来识别室内人类活动,通过整合位置数据来提高准确性. 该方法通过先进的传感器融合和深度学习技术来增强老年人的健康监测.
科学领域:
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 复合室内人类活动识别对于老年人健康监测至关重要,但与识别个体运动相比,它存在重大挑战.
- 现有的方法往往缺乏与位置数据的整合,这限制了它们在复杂的室内环境中的有效性.
研究的目的:
- 提出一种基于传感器的新型室内人类活动识别方法,该方法集成室内定位以提高准确性.
- 探索使用智能手机多传感器数据用于全面活动识别的可行性.
主要方法:
- 利用卷积神经网络 (CNN) 来从地磁和环境光传感器中提取空间特征.
- 使用的转换编码器从陀螺仪和加速度计数据中捕获时间运动动态.
- 开发了一种包含位置信息的多式联通功能融合模型.
主要成果:
- 建立并使用了使用智能手机收集的新型多传感器室内活动数据集.
- 通过广泛的实验证明了拟议的多式联接融合模型的有效性.
- 与不包含位置信息的方法相比,识别准确度提高了13.65%.
结论:
- 拟议的基于传感器的方法通过整合室内定位来有效地识别复合室内人类活动.
- 基于智能手机的多式联通传感器融合为老年人健康监测应用提供了一个有前途且准确的解决方案.
