1、人类活动识别技术综述与进展

人类活动识别技术综述与进展

1. 引言

人类活动识别（Human Activity Recognition，HAR）在医疗保健、智能家居等众多应用领域发挥着重要作用。随着无线传感器网络的快速发展，各类传感器能够收集大量用于人类活动识别的数据。传统机器学习算法需要手动从数据中提取代表性特征，但这不仅需要专业知识，还可能遗漏一些隐含特征。近年来，深度学习在许多具有挑战性的研究领域取得了巨大成功，其最大优点是能够从海量数据中自动学习代表性特征，因此成为人类活动识别的一个理想选择。

2. 不同类型的人类活动识别方法及相关研究

人类活动识别主要有基于可穿戴传感器和基于视觉两种方法，以下是相关研究的介绍：

2.1 基于可穿戴传感器的方法

• 《Human Activity Recognition using Wearable Sensors: Review, Challenges, Evaluation Benchmark》 ：作者Abdel - Salam等人对基于可穿戴传感器的人类活动识别的顶尖技术进行了广泛的文献综述。为了进行公平比较，他们使用六个公开数据集（MHealth、USC - HAD、UTD - MHAD、WISDM、WHARF和OPPORTUNITY）对这些技术应用了标准化评估基准。此外，他们还提出了一种结合增强手工特征和神经网络架构的混合方法，在三个数据集上的表现优于现有技术。
• 《Wheelchair Behavior Recognition for Visualizing Sidewalk Accessibility by Deep