跳动城乡网在 2023 年 10 月 14 日发表在《以人为中心的智能系统》杂志上的一项新研究中，马来西亚马六甲科技大学 (UTeM) 的研究人员推出了一种超越传统局限性的人类活动识别 (HAR) 新颖方法。
该尖端系统利用信道状态信息 (CSI) 和先进的深度学习技术，为活动识别提供独立于位置的、准确且灵活的解决方案。
研究团队的创新方法利用 CSI(通信信道状态的重要指标)与长短期记忆 (LSTM) 网络(一种擅长处理顺序数据的深度学习形式)相结合。这种创新的人类活动识别 (HAR) 系统的开发经历了几个关键阶段。
最初，使用 Raspberry Pi 4 和专用固件进行数据收集和预处理，以收集原始通道状态信息 (CSI) 数据，然后通过 MATLAB 对其进行细化，以实现卓越的质量和适用性。随后，以擅长处理时态数据而闻名的长短期记忆 (LSTM) 网络被用来从 CSI 数据中提取关键特征，从而能够准确识别复杂的人类活动。
LSTM 模型经历了严格的训练和分类过程，其中包括用于模式识别的在线阶段和用于增强性能的离线阶段，使系统能够将人类活动分为动态和静态类型，并进一步划分为更具体的子类别。该系统表现出非凡的熟练程度，在识别人类活动方面达到了令人印象深刻的 97% 准确率，并展示了其适应新环境的能力，标志着 HAR 技术的重大进步。
该系统代表了该领域的重大进步，通过提供灵活、精确且与位置无关的解决方案克服了传统方法的局限性，从而重新定义了活动识别技术的标准。
这种多功能技术具有广泛的应用，通过尊重隐私的谨慎监控来增强智能家居，通过提供对患者活动的详细、持续的分析来改变医疗保健，并改善物联网 (IoT) 中的人机交互以获得更直观的系统。
其突出特点是适应性强，无需重新培训或重大调整即可无缝适应各种环境。这种灵活性使其成为跨多个领域的实用解决方案，有效地响应不同的现实需求。
