Abstract
Human activity recognition is one of the relevant fields of research in machine learning since recognition results are necessary for solving many practical problems. The article provides a survey on approaches and areas of practical application of methods for human activity recognition. The sensors used for human activity recognition are considered, and the criteria for their selection are presented. Possible solutions to the problem of choosing the location and orientation of wearable sensors are presented. The main stages of human activity recognition are discussed in the article. Extracted features and methods of their selection to increase the accurate classification of human activity recognition and reduce computational complexity by cutting down the number of features are presented. The advantages and disadvantages of popular classification methods are formulated. The metrics used to evaluate the quality of learning classification models are considered. The most commonly used quality metric is the error curve. Practical tasks in which the results of human activity recognition are needed are also presented. The main areas of human activity recognition application are medicine, manufacturing, fitness, and safety of people. In conclusion, possible future research directions are presented.
Highlights
Распознавание видов физической активности человека является одной из актуальных задач в области машинного обучения из-за сложности и разнообразия видов физической активности, выполняемых человеком
Чтобы избежать взаимодействия с переходными процессами удаляются 10 секунд от начала и конца каждой активности
Extracted features and methods of their selection to increase the accurate classification of human activity recognition and reduce computational complexity by cutting down the number of features are presented
Summary
В работах [34, 38] предлагают способ классификации активности путем ее группировки по продолжительности и сложности. В работе выделяют виды активности низкого уровня и высокого уровня. Примерами видов активности низкого уровня являются ходьба, бег, приседания, ходьба по лестнице. Примерами видов активности высокого уровня являются готовка, уборка, поход в магазин. 1. Для решения задачи распознавания видов физической активности обычно применяют два типа датчиков: носимые датчики и датчики окружающей среды, например, как в работе [31]. По полученным данным с этих датчиков можно с высокой точностью распознавать виды активности низкого уровня, как указано в работах [16, 28]. Физиологические датчики не предоставляют достаточной информации для распознавания видов активности, поскольку люди могут выполнять каждое действие в различных условиях. Однако физиологические датчики используют для дополнения показаний датчиков движения. Как и в случае физиологических датчиков, датчики температуры, влажности, и освещенности отдельно не предоставляют достаточной информации для распознавания. Распознавать виды активности невозможно, если человек находится вне досягаемости датчиков
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
