13、利用手机传感器进行特征提取和大规模活动集识别

利用手机传感器进行特征提取和大规模活动集识别

1. 引言

人类活动识别在医疗、安全、军事等多个领域正变得越来越重要。例如在医疗领域，识别糖尿病患者的步行、跑步或骑行等活动，能为推荐系统（如护理人员）提供患者行为反馈，以便采取相应行动。另外，在日常生活中，活动识别有助于提高人们工作和生活的效率与表现。高压力水平是导致近1亿个工作日损失的原因，还与50% - 75%的疾病相关，而交通拥堵等情况可能会让员工在上班途中感到压力。通过检测实际情况或活动，推荐系统可以建议播放一些轻松的音乐，以缓解压力。

随着移动设备技术的进步，手机配备了各种传感器，如GPS传感器、摄像头、麦克风、加速度计等，这为活动识别研究带来了新的机遇。我们的最终目标是将活动识别融入推荐系统，以更好地实现个性化推荐和增强推荐效果。为此，我们专注于识别从用户手机收集的包含十六种活动的大数据集，包括正常工作、开会、正常驾驶、交通拥堵、乘车、休息、吃饭、放松、看电视、听音乐、玩游戏、锻炼、骑自行车、步行、跑步以及与家人/朋友共度时光。

2. 基于手机的活动识别概述

手机的计算、传感、存储能力以及丰富的应用程序，使其成为人们日常生活中不可或缺的工具。利用手机检测用户活动，有助于开发医疗监测系统、生活记录应用和推荐系统。目前，基于手机传感器检测用户日常活动的方法众多，但各有局限性。
- 众包框架方法 ：结合场景、事件和手机上下文来识别音频场景和事件，以及手机上下文。该方法通过中央云服务器收集和共享音频模型，使用MFCC特征构建GMM，并用KNN算法进行分类，准确率在77.6% - 88.9%之间，但它识别的是场景/状态，而非实际的语义活动。
-