机器学习用于识别人类活动:最先进的技术和新兴趋势
Md Amran Hossen1, Pg Emeroylariffion Abas1
1Faculty of Integrated Technologies, Universiti Brunei Darussalam, Bandar Seri Begawan BE 1410, Brunei.
Journal of imaging
|March 26, 2025
概括
本综述涵盖了人类活动识别 (HAR) 技术,集成传感器和视觉数据. 它强调了深度学习的进步和现实应用的挑战.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 人类活动识别 (HAR) 对医疗保健和安全等应用至关重要.
- 多种传感器模式 (可穿戴设备,视觉,雷达) 用于HAR.
- 传统和深度学习方法应用于HAR.
研究的目的:
- 提供当前HAR技术的全面审查.
- 分析各种传感器模式和机器学习方法的优势和局限性.
- 确定未来的研究方向和哈尔的伦理考虑.
主要方法:
- 基于传感器,基于视觉和混合HAR方法的审查.
- 分析传统的机器学习 (监督,无监督) 和深度学习 (CNN,RNN,注意力) 框架.
- 探索新兴技术,如HAR的雷达和Wi-Fi CSI.
主要成果:
- 深度学习,特别是CNN和RNN,在HAR中显示出重大前景.
- 多模式传感器融合提供了更高的精度,但面临着整合挑战.
- 环境变化和模型解释性仍然是HAR系统的关键挑战.
结论:
- 未来的HAR研究应该专注于多式传感器融合和自适应模型.
- 边缘计算集成对于实时HAR分析至关重要.
- 解决隐私和公平问题对于伦理部署HAR技术至关重要.
