از اقدام به فعالیت: تشخیص فعالیت مبتنی بر حسگر

در مقایسه با اقدامات، فعالیت‌ها بسیار پیچیده‌تر هستند، اما از نظر معنایی آن‌ها بیشتر نماینده زندگی واقعی انسان هستند. تکنیک‌های شناسایی اقدام از داده‌های حاصل از حسگر کامل هستند. با این حال، تلاش‌های اندکی شناسایی فعالیت مبتنی بر حسگر را هدف قرار داده‌اند. در این مقاله، ما یک الگوریتم کارآمد برای شناسایی الگوهای زمانی میان فعالیت‌ها ارائه می کنیم و از الگوهای شناسایی‌شده به منظور نشان دادن فعالیت‌ها برای شناسایی خودکار استفاده می‌کنیم. آزمایش‌ها بر روی مجموعه داده‌های دنیای واقعی نشان داده که رویکرد ما قادر است فعالیت‌هایی با دقت بالا را از الگوهای زمانی تشخیص دهد، و این که الگوهای زمانی را می توان به صورت کارآمد به عنوان یک ویژگی سطح متوسط برای نمایش فعالیت به کار برد.

As compared to actions, activities are much more complex, but semantically they are more representative of a human׳s real life. Techniques for action recognition from sensor-generated data are mature. However, few efforts have targeted sensor-based activity recognition. In this paper, we present an efficient algorithm to identify temporal patterns among actions and utilize the identified patterns to represent activities for automated recognition. Experiments on a real-world dataset demonstrated that our approach is able to recognize activities with high accuracy from temporal patterns, and that temporal patterns can be used effectively as a mid-level feature for activity representation.