摘要

在过去二十年中，为利用各类传感器识别人类活动，越来越多复杂的方法被开发出来，例如基于动作捕捉、加速度计和陀螺仪等传感器的数据。迄今为止，大多数研究主要聚焦于识别简单的日常活动，如行走、进食和跑步。然而，我们日常生活中的许多活动实际上远比这些更为复杂。为了推动复杂活动识别领域的研究，国际上发起了“护理人员活动识别挑战赛”（Nurse Care Activity Recognition Challenge）[1]，该挑战赛要求基于位置、气压、动作捕捉及加速度计数据，识别六种护理人员的典型活动。我们团队“IITDU”致力于探索在此任务中使用简单方法的可行性。我们首先从传感器数据中提取特征，随后采用最简单的分类器之一——K近邻（K-Nearest Neighbors, KNN）进行分类。实验结果表明，采用KNN分类器的集成模型在10折交叉验证中可达到约87%的准确率，在留一被试者交叉验证中亦可实现66%的准确率。