对环境辅助生活的多视角人类活动识别的结构化和方法审查

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 环境辅助生活 (AAL) 系统旨在支持使用技术的老年人和残疾人.
• 有效的人类活动识别 (HAR) 对于有效的AAL至关重要,但不同方法的系统比较缺乏.

研究的目的:

• 在环境辅助生活 (AAL) 的背景下,系统地审查和比较单视图 (SV) 和多视图 (MV) 人类活动识别 (HAR) 方法.
• 分析 HAR 系统从 SV 到 MV 架构的演变,专注于 AAL 的深度学习模型.

主要方法:

• 综合文献综述,分析基准数据集,特征提取和HAR的分类技术.
• 检查各种机器学习和深度学习模型,包括CNN,RNN,LSTM,TCN和GCN.
• 讨论用于资源有限的AAL环境的轻量级转移学习方法和传感器融合策略.

主要成果:

• 多视图 HAR 架构,特别是使用高级深度学习模型的架构,在 AAL 中与单视图系统相比,显示出更高的准确性和稳定性.
• 该研究涵盖了广泛的模型和技术,突出了它们对不同AAL场景的适用性.
• 确定了数据修复,隐私和泛化等关键挑战,并提出了潜在的解决方案.

结论:

• 多视图HAR系统代表了AAL的重大进步,提供了更好的性能和适应性.
• 未来的开发应该专注于对AAL的智能,高效和保护隐私的HAR解决方案.
• 该审查为AAL和HAR领域的研究人员和开发人员提供了路线图.