一种基于多策略数据增强的人体活动识别模型OA
可穿戴人体活动识别在实际应用中常因覆盖群体有限、标注数据不足等问题而导致模型泛化能力不足.为提升跨用户适应性,已有研究提出多源域适应方法,但此类方法需要直接访问多个源域数据,容易引发隐私泄露风险.针对上述问题,提出一种基于多策略数据增强的人体活动识别模型.该模型结合源域预训练模型与目标域数据,在无需访问源数据的前提下,实现了兼顾隐私保护与识别性能的域适应.具体而言,源域将多轴传感信号转化为活动图像,并通过GCN-Transformer主干网络提取空间与时序特征完成活动识别预训练;目标域则采用多种数据增强策略生成多视角样本,在中间特征、Logits输出与伪标签置信度3层施加一致性约束,从而提升源模型的域适应能力与鲁棒性.实验结果表明,该模型在跨用户识别任务中显著提高了准确率与泛化性能,为可穿戴设备的个性化识别与隐私保护应用提供了有效支持.
陈圣楠;陈恩生;冯世基;陈智勤
福建师范大学网络与数据中心,福州350117 网络安全与教育信息化福建省高校工程研究中心(福建师范大学),福州350117福建师范大学网络与数据中心,福州350117 网络安全与教育信息化福建省高校工程研究中心(福建师范大学),福州350117网络安全与教育信息化福建省高校工程研究中心(福建师范大学),福州350117 闽江学院现代教育技术中心,福州350121网络安全与教育信息化福建省高校工程研究中心(福建师范大学),福州350117 福建师范大学数学与统计学院,福州350117
信息技术与安全科学
无源域适应数据隐私保护数据增强人体活动识别集成学习
《信息安全研究》 2026 (7)
P.644-651,8
福建省中青年教师教育科研项目(JAT210060)。
评论