Effiziente Erkennung von Aktivitäten mehrerer Personen in einem Smart Home durch generative Bewohnertrennung und Mehrfachklassifizierung
Dieses Papier präsentiert zwei Modelle zur Lösung des Problems der Mehrbewohner-Aktivitätserkennung unter Verwendung von Umgebungssensoren in einem Zuhause. Das erste Modell, Seq2Res, verwendet einen sequenzgenerierenden Ansatz, um Sensordereignisse von verschiedenen Bewohnern zu trennen. Das zweite Modell, BiGRU+Q2L, verwendet einen Query2Label-Mehrfachklassifizierer, um mehrere Aktivitäten gleichzeitig vorherzusagen. Die Leistung dieser Modelle wird in verschiedenen experimentellen Szenarien mit einem state-of-the-art-Datensatz von zwei Bewohnern in einem mit Umgebungssensoren ausgestatteten Zuhause verglichen.