14、智能家居中基于FCN和嵌入编码的人类活动识别

智能家居中基于FCN和嵌入编码的人类活动识别

1. 问题定义

活动识别问题本质上是一个分类问题，目标是为传感器事件序列赋予活动标签。我们将问题建模如下：一组传感器 $S = {s_1, …, s_{|S|}}$ 会产生事件 $e_i \in E$。事件是传感器发出信号时返回的值或状态，即 $e_i = (s_i, v_i, t_i)$，其中 $s_i$ 是传感器ID，$v_i$ 是传感器返回的值，$t_i$ 是传感器状态或值改变的时间。序列 $L_i$ 是活动的轨迹，它是一系列事件 $Seq_i = (e_i, …, e_n)$。通过语义分割，每个 $L_i$ 可以与一个活动标签 $a_i \in A$ 相关联。

在此次研究中，我们未考虑事件发生的时间戳 $t_i$，在实验中直接忽略该参数，目的是能够不依赖一天中的时间来识别活动。例如，“睡觉”活动通常在夜间出现，但也可能在白天的任何时间出现，不同的人作息习惯不同，有人白天工作晚上睡觉，有人则相反。

2. NLP编码

我们的假设是将传感器事件视为单词，将活动序列视为文本句子，这些句子描述了居民进行的活动。具体操作步骤如下：
1. 从数据集中提取每个活动序列，将其作为NLP中的句子。借助数据集提供的标签，可以确定每个活动的开始和结束。
2. 如前文所述，事件 $e_i$ 由传感器ID $s_i$、值 $v_i$ 和时间戳 $t_i$ 组成。由于前面提到的原因，忽略时间戳 $t_i$，将传感器ID $s_i$ 与其值 $v_i$ 连接起来，创建一个传感器单词。例如，$s_i = M001$ 且值 $v_i = ON$ 时，就变成了 $M001ON$。所有这些不同的文本单词定义了用于描述活动的