赵 海, 陈佳伟, 施 瀚, 王 相

(东北大学 计算机科学与工程学院, 辽宁 沈阳 110169)

人体活动识别是通过各种传感器采集人体行为数据,并利用计算机技术对其进行分析来理解人体各种行为活动的过程,它在老人监护[1]、健康监测[2]、娱乐和运动等多个方面都有着良好的应用前景.随着智能手机、智能手表等电子设备的普及,利用这些随身携带的电子设备来识别人体活动成为研究热点.范长军等[3]利用智能手机和手环组成一个体域网并基于此设计了一套在线人体识别系统,殷晓玲等[4]提出了一种利用智能手机内置的传感器来识别人体运动状态的方案,Fu等[5]则设计了一种无线传感器节点来解决用户活动个性化识别的问题.

机器学习训练过程的前提是数据独立同分布,然而每个人的数据分布是不一致的,个体之间行为活动的差异导致传统模型的识别精度不高[6].迁移学习常被用来解决在不同任务域中进行知识迁移的问题,它可以良好地解决由于数据分布不一致而导致传统机器学习失效的问题.迁移学习已经被证明在很多方向都有着良好表现,如Hou等[7]利用迁移学习实现了跨领域的语音识别,彭雨荷等[8]提出了一种基于迁移学习的异常流量检测方法.研究人员开始将人体活动识别和迁移学习相结合来解决识别精度不高的问题.Elnaz等[9]利用生成对抗网络在人体活动识别领域进行迁移学习,在超过66%的实验中优于其他方法.Niu等……