Resumen

Los hogares inteligentes se han convertido en un elemento central de la sostenibilidad de los edificios. Reconocer la actividad humana en los hogares inteligentes es la herramienta clave para lograr la automatizacin del hogar. Recientemente, las redes neuronales convolucionales (CNN) de dos flujos han mostrado un rendimiento prometedor para el reconocimiento de acciones humanas basado en vdeo. Sin embargo, estos modelos no pueden actuar directamente sobre las secuencias esquelticas 3D debido a su limitacin a las entradas de vdeo de imgenes 2D. Teniendo en cuenta el poderoso efecto de los datos esquelticos en 3D para describir la actividad humana, en este estudio presentamos un mtodo novedoso para reconocer la actividad humana esqueltica en hogares inteligentes sostenibles utilizando un modelo de fusin CNN. Nuestro mtodo propuesto puede representar la informacin espacio-temporal de cada secuencia esqueltica 3D en tres imgenes y tres secuencias de imgenes a travs de la codificacin del valor de gris, denominadas imgenes de forma de trayectoria esqueltica (STSIs) e imagen de pose esqueltica (SPI), y construir un modelo de fusin CNNs con tres STSIs y tres secuencias SPI como entrada para el reconocimiento de la actividad esqueltica. Estas tres secuencias STSI y SPI se generan respectivamente en tres planos ortogonales complementarios entre s. El modelo de fusin CNN propuesto permite el aprendizaje jerrquico de caractersticas espaciotemporales, ofreciendo un mejor rendimiento en el reconocimiento de acciones. Los resultados experimentales en tres conjuntos de datos pblicos muestran que nuestro mtodo supera a los mtodos ms avanzados.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Hogares inteligentes; Sostenibilidad; Reconocimiento de la actividad humana; Modelo de fusión CNN; Datos esqueléticos 3D; Información espaciotemporal
• Keywords:Smart homes; Sustainability; Human activity recognition; CNN fusion model; 3D skeletal data; Spatiotemporal information