物联网启用了对视障人士的室内活动监控,通过混合深度学习和优化算法来提高安全性
1Department of Computer Science, College of Computer Engineering and Sciences, Prince Sattam Bin Abdulaziz University, 16273, Al-Kharj, Saudi Arabia. m.alduhayyim@psau.edu.sa.
Scientific reports
|October 10, 2025
概括
这项研究引入了一种混合深度学习方法,用于监测视力受损人士的室内活动. 这种新的方法实现了96.76%的准确性,提高了智能家居环境中的安全和福祉.
科学领域:
- 人工智能的人工智能
- 计算机科学 计算机科学
- 医疗保健技术 技术 医疗保健 技术
背景情况:
- 室内活动监控可以增强老年人和视力受损人士的福祉和安全.
- 深度学习 (DL) 模型,特别是人类活动识别 (HAR),为分析传感器数据提供了先进的功能,以了解日常生活和健康.
- 有效的室内监控需要准确的DL架构和优化的参数来识别复杂的人类活动.
研究的目的:
- 为物联网环境介绍一种新的室内活动监控与混合深度学习增强安全 (IAMVIP-HDLES) 的视觉障碍者室内活动监控方法.
- 为了使视力受损者能够实时监控和识别室内活动.
- 为弱势群体提高室内环境的有效性,安全性和个性化理解.
主要方法:
- 使用Z-score规范化用于输入数据标准化的数据预处理.
- 使用Osprey-Cauchy-sparrow搜索算法 (OCSSA) 进行特征选择.
- 一种混合深度学习模型,结合了卷积神经网络 (CNN),双向长期短期记忆 (BiLSTM) 和注意力机制 (CNN-BiLSTM-Attention),并通过改进的鱼优化算法 (IWOA) 进行超参数优化.
主要成果:
- 在室内活动识别方面,IAMVIP-HDLES方法证明了卓越的性能.
- 使用UCI-HAR数据集进行的实验验证产生了96.76%的高精度.
- 对比分析证实了比现有的室内监控技术更高的准确性.
结论:
- IAMVIP-HDLES方法为监视视障人士室内活动提供了强大而准确的解决方案.
- 混合深度学习方法显著提高了安全性,并为日常工作提供了宝贵的见解.
- 这项研究有助于开发智能辅助技术,以改善独立生活.
