Un système basé sur l’apprentissage profond dépasse les contraintes de localisation pour la reconnaissance de l’activité humaine

Dans une nouvelle étude publiée le 14 octobre 2023, dans la revue Systèmes intelligents centrés sur l’humaindes chercheurs de l’Université Teknikal Malaysia Melaka (UTeM), ont dévoilé une nouvelle approche de la reconnaissance de l’activité humaine (HAR) qui transcende les limites traditionnelles.

Ce système de pointe utilise les informations sur l’état du canal (CSI) et des techniques avancées d’apprentissage en profondeur, offrant une solution indépendante de l’emplacement, précise et flexible pour la reconnaissance des activités.

L’approche innovante de l’équipe de recherche exploite le CSI, un indicateur essentiel de l’état des canaux de communication sans fil, en conjonction avec les réseaux LSTM (Long Short-Term Memory), une forme d’apprentissage profond apte au traitement des données séquentielles. Le développement de ce système innovant de reconnaissance de l’activité humaine (HAR) a comporté plusieurs phases charnières.

Initialement, la collecte et le prétraitement des données ont été effectués à l’aide de Raspberry Pi 4 et d’un micrologiciel spécialisé pour collecter des données brutes Channel State Information (CSI), qui ont ensuite été affinées via MATLAB pour une qualité et une applicabilité supérieures. Par la suite, les réseaux LSTM (Long Short-Term Memory), réputés pour leur capacité à traiter des données temporelles, ont été utilisés pour extraire des caractéristiques cruciales des données CSI, permettant ainsi la reconnaissance précise d’activités humaines complexes.

Le modèle LSTM a subi un processus de formation et de classification rigoureux, qui comprenait une phase en ligne pour la reconnaissance des formes et une phase hors ligne pour des performances améliorées, permettant au système de classer les activités humaines en types dynamiques et statiques, puis en sous-catégories plus spécifiques. Faisant preuve d’une compétence exceptionnelle, le système a atteint un taux de précision impressionnant de 97 % dans la reconnaissance des activités humaines et a démontré sa capacité à s’adapter à de nouveaux environnements, marquant une avancée significative dans la technologie HAR.

Ce système représente une avancée majeure dans le domaine, surmontant les limites des méthodes traditionnelles en fournissant une solution flexible, précise et indépendante de l’emplacement, redéfinissant ainsi les normes des technologies de reconnaissance d’activité.

Cette technologie polyvalente a de nombreuses applications, améliorant les maisons intelligentes avec une surveillance discrète qui respecte la vie privée, transformant les soins de santé en offrant une analyse détaillée et continue des activités des patients et améliorant les interactions homme-machine dans l’Internet des objets (IoT) pour des systèmes plus intuitifs.

Sa caractéristique remarquable est l’adaptabilité, s’adaptant parfaitement à divers environnements sans nécessiter de recyclage ou d’ajustements importants. Cette flexibilité en fait une solution pratique dans plusieurs secteurs, répondant efficacement aux divers besoins du monde réel.

Fourni par TranSpread