基于分组残差联合空间学习的人体活动识别

吕明琪，陈文青，陈铁明，刘杨圣彦

(1.浙江工业大学 计算机科学与技术学院，浙江 杭州 310023；2.浙江大学 机械工程学院，浙江 杭州 310007)

人体活动识别(Human activity recognition，简称HAR)是指通过多种方式采集人体活动所产生的数据，利用算法进行人体活动状态的判断行为。随着物联网的发展，未来的世界将是一个万物互联的世界，人与环境逐步的融为一体，人体活动信息需要即时被采集，并得到有效的处理，人机交互的实现需求越来越迫切。人体活动识别作为人机交互的重要一环，在工业生产安全、智慧家居和被监护群体安全监测等方面有着非常重要的作用。近年来，研究人员对机械运行模式与长时间段的复杂活动开展了一定的研究，而基于多传感器的交互性活动的研究仍然较匮乏。多传感器交互性活动具有短暂性、连续性和交互性的特点，适用于机械运动模式的模型往往不足以表征其丰富的活动特征。相较于长时间段的复杂活动模型，交互性活动的细粒度更高，时间跨度更小，时间依赖特性的提取可通过数据预处理阶段时间片的分割进行。针对多传感器交互性活动识别，现有算法还有待改进，性能还有待提升，因此该领域得到研究人员的关注。

1 人体活动识别相关工作

人体活动识别算法从历史时间维度上，一般分为基于特征工程的方法和基于深度学习的方法。同时，人体活动的相关研究也从简单的活动识别扩展到复杂的活动识别。

近年来，针对人体活动的识别研究较丰富。……