31、人类活动识别与物联网区块链集成技术解析

人类活动识别与物联网区块链集成技术解析

1. 人类活动识别系统分析

人类活动识别在视频监控、健康监测、自动化安全和人机交互等数字时代应用中具有重要意义。目前对人类活动识别系统的分析是基于相关研究贡献展开的。

1.1 活动分类与研究现状

活动可分为正常活动和异常活动。正常活动包括日常活动和体育活动，异常活动则有摔倒、自杀企图、可疑活动等。从研究贡献来看，对正常活动识别的研究较多，而对异常活动检测的研究相对较少。不同活动的研究分布如下表所示：
| 活动类型 | 占比 |
| — | — |
| 正常活动 | 71.43% |
| 异常活动 | 19.05% |
| 正常与异常活动皆有 | 9.52% |

1.2 研究技术与挑战

研究人员根据不同活动选择相应数据集，并采用不同技术进行活动分类和检测。不同研究技术的重要性取决于视频质量、个体活动或群体交互、特征组件可用性和活动类型等场景。深度学习模型在识别准确性方面表现出色。然而，现有技术存在以下挑战：
- 异常活动检测成本高 ：检测需要引起警觉的异常活动，需安装基于 GPU 的高配置系统，实时实施成本高。
- 摄像头安装问题多 ：实时安装摄像头会引发隐私、可用性专业知识、社会接受度和大规模适用性等问题。
- 数据集针对性强 ：多数研究针对特定活动的特定数据集，实时实施要求系统无论颜色、性别、年龄、体型等因素，都具有较高识别准确性。
- 视角问题待解决