Исследования в области распознавания человеческой активности: влияние ИИ на будущее - Часть 1: 2024

Новейшие исследования в области распознавания человеческой активности. Часть 1: ИИ - 2024

Распознавание человеческой активности (HAR) - это процесс обнаружения и классификации физических действий человека, используя данные, собранные с помощью датчиков, носимых на теле. Это активная область исследований с широким спектром реальных приложений, включая уход за больными, безопасность и фитнес.

В последние годы в HAR произошел значительный прогресс благодаря достижениям в области искусственного интеллекта (ИИ), в частности глубокого обучения. В этой статье рассматриваются некоторые из новейших исследований в области HAR, основанных на ИИ, и их потенциальные приложения.

Состояние дел в распознавании человеческой активности

Традиционные подходы к HAR полагались на ручные функции и классификаторы машинного обучения. Однако эти методы часто были ограничены либо точностью распознавания, либо вычислительными затратами.

Глубокое обучение предлагает решение этих проблем, предоставляя мощные алгоритмы, которые могут автоматически извлекать признаки из необработанных данных датчиков. Это привело к значительному улучшению точности распознавания HAR.

Новейшие исследования в области HAR, основанных на ИИ

В последние годы было проведено множество исследований, посвященных применению ИИ для HAR. Одними из наиболее значимых достижений являются:

• Сверточные нейронные сети (CNN): CNN были успешно применены для распознавания человеческой активности из изображений, полученных с камер. Эти сети могут извлекать пространственные особенности, что делает их подходящими для задач распознавания деятельности.

• Рекуррентные нейронные сети (RNN): RNN были использованы для распознавания человеческой активности из временных рядов данных, собранных с помощью носимых датчиков. Эти сети могут обрабатывать последовательные входные данные, извлекая зависимости с течением времени.

• Контролируемое обучение с отрицательными выборками (NCEL): NCEL - это метод обучения, который был разработан для улучшения точности распознавания HAR. Он включает в себя создание отрицательных образцов (не относящихся к действиям), чтобы научить модель различать разные виды действий.

Приложения распознавания человеческой активности

HAR имеет широкий спектр реальных приложений, включая:

• Уход за больными: HAR может использоваться для отслеживания активности пожилых людей и пациентов с когнитивными нарушениями. Это может помочь в раннем обнаружении проблем со здоровьем и обеспечении надлежащего ухода.

• Безопасность: HAR может использоваться для обнаружения подозрительного поведения и предотвращения преступлений. Например, его можно использовать для идентификации лиц, которые взламывают двери или незаконно проникают в здания.

• Фитнес: HAR может использоваться для отслеживания активности и достижения целей в области фитнеса. Это может помочь пользователям персонализировать свои тренировки и достичь своих целей.

Выводы

Распознавание человеческой активности - это быстро развивающаяся область, в которой ИИ играет все более важную роль. Новейшие исследования в этой области показали значительное улучшение точности распознавания и открыли новые возможности для приложений HAR.

По мере дальнейшего развития технологий ИИ можно ожидать, что HAR станет еще более мощным инструментом для понимания и улучшения человеческой деятельности.