人體活動(dòng)識(shí)別(HAR)目前應(yīng)用于健康監(jiān)測(cè)和健身。然而，目前的方法需要手動(dòng)注釋?zhuān)@可能很昂貴并且容易出現(xiàn)人為錯(cuò)誤。

最近發(fā)表在arXiv.org上的一篇論文表明，人類(lèi)活動(dòng)遵循時(shí)間相關(guān)性，這可以提供信息背景以改善HAR。

通過(guò)對(duì)兩個(gè)常用的HAR數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)來(lái)證明這一假設(shè)：一個(gè)在野外收集，另一個(gè)以腳本方式收集。研究人員提出了深度圖CNN(GCNN)，其性能優(yōu)于替代RNN和CNN基準(zhǔn)。HAR中的圖表示允許將每個(gè)活動(dòng)建模為一個(gè)節(jié)點(diǎn)，而圖邊對(duì)這些活動(dòng)之間的關(guān)系進(jìn)行建模。

結(jié)果表明，所提出的模型受益于這種相關(guān)性，可用于預(yù)測(cè)相鄰的缺失活動(dòng)。

從移動(dòng)傳感器數(shù)據(jù)中識(shí)別人類(lèi)活動(dòng)的問(wèn)題適用于多個(gè)領(lǐng)域，例如健康監(jiān)測(cè)、個(gè)人健身、日常生活記錄和高級(jí)護(hù)理。訓(xùn)練人類(lèi)活動(dòng)識(shí)別模型的一個(gè)關(guān)鍵挑戰(zhàn)是數(shù)據(jù)質(zhì)量。獲取包含準(zhǔn)確活動(dòng)標(biāo)簽的平衡數(shù)據(jù)集需要人類(lèi)實(shí)時(shí)正確注釋并可能干擾受試者的正?；顒?dòng)。盡管可能有錯(cuò)誤的注釋或缺少注釋?zhuān)祟?lèi)行為通常有一個(gè)內(nèi)在的年表。例如，我們?cè)谶\(yùn)動(dòng)后洗澡。這種隱含的年表可用于學(xué)習(xí)未知標(biāo)簽并對(duì)未來(lái)的活動(dòng)進(jìn)行分類(lèi)。在這項(xiàng)工作中，我們提出了HAR-GCCN，一種深度圖CNN模型，它利用時(shí)間順序相鄰的傳感器測(cè)量值之間的相關(guān)性來(lái)預(yù)測(cè)具有至少一個(gè)活動(dòng)標(biāo)簽的未分類(lèi)活動(dòng)的正確標(biāo)簽。我們提出了一種新的訓(xùn)練策略，強(qiáng)制模型通過(guò)利用已知的活動(dòng)標(biāo)簽來(lái)預(yù)測(cè)缺失的活動(dòng)標(biāo)簽。HAR-GCCN相對(duì)于以前使用的基線方法表現(xiàn)出更出色的性能，在不同的數(shù)據(jù)集上將分類(lèi)準(zhǔn)確度提高了約25%和高達(dá)68%。代碼可在在不同的數(shù)據(jù)集上將分類(lèi)精度提高約25%和高達(dá)68%。代碼可在在不同的數(shù)據(jù)集上將分類(lèi)精度提高約25%和高達(dá)68%。代碼可在這個(gè)https網(wǎng)址。