一种基于物联网感知的人类活动识别（HAR）新方法，利用多头卷积注意力

随着物联网（IoT）的快速发展，智能医疗应用和系统配备了越来越多的可穿戴传感器和移动设备。这些传感器不仅用于收集数据，更重要的是，辅助用户进行日常活动跟踪和分析。各种人类活动识别（HAR）方法被用来增强这种跟踪。现有的大多数HAR方法依赖于基于案例的浅层特征学习架构，这在实际应用中面临着正确的活动识别困难。为了解决这个问题，我们提出了一种新的方法，该方法利用卷积神经网络（CNN）和注意力机制进行HAR。在所提出的方法中，通过将注意力结合到多头CNN中，改善了活动识别的准确性，以获得更好的特征提取和选择。概念验证实验在来自无线传感器数据挖掘（WISDM）实验室的公开数据集上进行。结果表明，我们提出的方法的准确性高于当前方法。