BSTCA-HAR: 웨어러블 모바일 센서를 기반으로 한 인간 활동 인식 모델

센서 기반 인간 활동 인식은 다양한 분야에서 널리 사용되고 있으나, 센서를 이용한 복잡한 일상 인간 활동 인식에는 여전히 도전 과제가 존재합니다. 인간 활동 인식 모델의 인식 기능의 시의성 및 동질성 문제를 해결하기 위해, 우리는 장기 단기 기억(LSTM) 네트워크를 기반으로 한 'BSTCA-HAR'라는 인간 활동 인식 모델을 제안합니다. 본 논문에서 제안하는 접근 방식은 주의 메커니즘과 시간적 컨볼루션 네트워크(TCN)를 결합합니다. 모델 내 학습 및 예측 단위는 장기 의존 정보와 다양한 시간 범위의 특징을 포착하면서 중요한 행동 데이터를 효율적으로 학습할 수 있습니다. 서로 다른 데이터 특성을 가진 세 개의 공개 데이터 세트(WISDM, UCI-HAR, ISLD)에 대한 일련의 실험을 통해 제안한 방법의 타당성을 확인했습니다. 이 방법은 낮은 매개변수 수를 유지하면서도 행동 특징을 동적으로 포착하여 93%의 놀라운 평균 정확도를 달성함으로써 모델의 우수한 인식 성능을 입증합니다.