人类活动识别：基于RFID和可穿戴传感器的AI驱动技术综述

《IEEE Journal of Radio Frequency Identification》：Human Activity Recognition: A Review of RFID and Wearable Sensor Technologies Powered by AI

　　人类活动识别（HAR）在健身、安全、老年护理等领域应用广泛，但面临噪声数据处理、实时性、隐私保护及跨场景准确性挑战。本文系统综述AI增强的HAR技术，重点分析RFID、可穿戴设备及智能手机传感器框架，涵盖数据采集、预处理与机器/深度学习模型应用，比较各技术优缺点。

　　

摘要：

人类活动识别（HAR）在健身提升、安全监控、老年人护理、临床监测和智能环境等多个领域受到了广泛关注。然而，尽管具有巨大潜力，HAR仍面临诸多挑战，如处理噪声较大且数据类型多样的问题、确保实时性能、保护用户隐私以及在不同环境和活动中保持高精度。HAR面临的主要挑战之一是在多样化的活动和环境中进行数据收集时如何保持一致性和准确性。本文全面总结了基于人工智能的HAR方法的发展进展，重点关注射频识别系统、可穿戴设备和智能手机传感器技术。我们深入探讨了这些技术的框架，详细介绍了数据收集、预处理以及机器学习和深度学习算法的应用过程。此外，还分析了这些技术的优缺点，并对它们进行了简要比较。

引言

由于应用广泛且具有诸多优势，人类活动识别（HAR）在我们的日常生活中变得越来越重要。HAR通过传感器追踪和监测个人的日常活动，这些活动范围从坐、站、睡等基本动作到家务劳动或锻炼等复杂任务[1]，随后利用机器学习（ML）算法进行分析。HAR在多个领域具有重要意义，例如提高健身和运动表现[2]、[3]、[4]、[5]，在安全和安保方面预防事故和犯罪[6]，以及在老年人护理中确保安全和福祉[7]等。此外，HAR还可应用于临床环境，监测患有帕金森病、阿尔茨海默病或中风等慢性疾病的患者，及早发现行动问题或跌倒的迹象[8]、[9]、[10]、[11]。医疗专业人员可以从分析数据中识别潜在的健康问题，并制定个性化的干预措施或生活方式调整建议。最近的一项调查显示，COVID-19大流行对医疗工作者产生了重大影响，包括工作安排的变化、工作负担的增加、对远程医疗服务需求的上升、对心理健康和整体福祉的影响以及潜在的长期后果[12]。在这种情况下，为了提供额外的资源以减轻疫情的影响，非接触式连续监测系统在改善患者治疗效果和大幅降低医疗成本方面显得尤为重要[13]。HAR在智能家居中也非常受欢迎，可用于预防跌倒、监测老年人的健康状况或残疾人的活动情况，并出于安全目的检测可疑行为。这需要收集各种数据，考虑室内温度、噪音水平、门窗和灯光的状态、人员的位置和移动情况、电力和水资源消耗等因素[1]、[14]、[15]。