基于可穿戴设备的开放集动作识别技术研究

作者：王佳昊; 闫航; 胡鑫; 赵德鑫^*

来源：计算机科学, 2023, 1-12.

• 可穿戴设备
• 动作识别
• 自适应卷积
• 开放集识别

随着智能手表、手环等可穿戴设备的普及，将其用于人体行为识别领域并从中解码出人类行为活动，对于健康监测、日常行为分析、智能家居等应用有重要意义。然而，传统的动作识别算法存在特征提取困难、识别准确率较低等问题，并且均基于封闭集假设，即所有的训练数据和测试数据均来自同一个标签空间，而现实世界中大多都是开放集（Open-Set）场景，在测试阶段可能会将未知标签样本送入模型，从而导致模型错误的分类。本文针对人体动作识别问题，提出了多通道自适应卷积网络（Multi-channel adaptive convolutional network，MCACN），针对传统CNN网络特征提取只局限在一个小范围内的问题，自适应卷积模块能够使用不同大小的卷积核提取不同时间跨度的特征，并自动计算权重求和。此外MCACN的多通道结构使各传感器数据得以分头进行处理，获得能够区分相近动作的特征细节。最后，本文设计了基于标签的多元变分自编码器，提出了用于开放集识别的模型MCACN-VAE，模型能够通过计算重建误差来识别未知类，聚焦于已知类别动作，提高了模型的健壮性。实验结果表明，在封闭集实验中，MCACN模型能够有效地对动作进行识别，在七种日常动作识别准确率均达到了91%以上，总体准确率达到了95%。在开放集实验中，MCACN-VAE在不同开放度的程度下对于已知类别的总体识别准确率也均达到了89%以上，对于未知动作片段的识别准确率也维持在75%以上。证明了本文提出的模型能够有效拒绝未知类，识别已知类。

• 单位
  电子科技大学